8 лучших проектов в области облачных вычислений для любого уровня

Организации переносят свои ИТ-ресурсы в облако, что ведёт к развитию облачных вычислений. Цель — находить способы использовать облачные платформы, такие как AWS, GCP и Azure, для создания решений под нужды компании. Поэтому растёт спрос на технических специалистов, например облачных инженеров, разбирающихся в облачных средах.

Прокачайте навыки с помощью этих проектов и начните карьеру в облачных вычислениях. Если вы новичок, загляните на наш курс Understanding Cloud Computing и прочитайте наше руководство о том, как стать облачным инженером.

Зачем работать над проектами по облачным вычислениям?

Облако — сложная экосистема, которую можно по-настоящему понять только на практике. Практический опыт — лучший способ разобраться, как работают облачные среды. Поэтому проекты в области облачных вычислений так важны. Вы получаете опыт и создаёте что-то, что можно использовать при поиске работы.

Проекты для начинающих

Эти проекты помогут вам начать использовать облачную платформу для простых задач. Они сосредоточены на действиях, которые обычно выполняются локально, например на хостинге сайта, только теперь — в облаке.

1. Хостинг статического веб-сайта

Размещение сайта на облачной платформе — базовый проект, демонстрирующий понимание основ облака. Он помогает осознать роль облачных вычислений в замене традиционной ИТ-инфраструктуры и знакомит со множеством возможностей облака.

Ресурсы:

Отличным руководством станут топовые проекты для AWS на DataCamp. Если вы в целом новичок в AWS, сначала пройдите вводный курс по AWS, чтобы получить базовый опыт работы с платформой. В сочетании эти два ресурса хорошо подготовят вас к первому облачному проекту!

Получаемые навыки:

• Как использовать AWS для веб-хостинга
• Базовый HTML и дизайн сайта
• Основы AWS

2. Серверлесс-приложение для email/SMS

Следующий шаг — использовать облако для взаимодействия с пользователями. Частая задача — связаться с клиентами после заполнения формы: для акций, подтверждений или бронирований. В облаке всё это можно организовать через подключение к API. Общая цель: статический сайт, размещённый в облаке, передаёт информацию другим облачным компонентам, которые затем отправляют соответствующее письмо или SMS.

Из cloudisfree: диаграмма потока, как может выглядеть серверлесс‑приложение для email/SMS

Ресурсы:

Отличный источник — сайт cloudisfree, где шаг за шагом показан процесс создания серверлесс‑приложения для отправки. Оно также использует Amazon AWS и должно стать логичным продолжением вашего предыдущего проекта, если вы успешно создали динамический сайт. Это также хорошее время укрепить навыки AWS с курсом AWS Cloud and Technology services на DataCamp.

Получаемые навыки:

• AWS Lambda
• API Gateway
• AWS Step Functions
• Навыки Python для создания функций
• HTML и JSON для интерактивности сайта

Проекты среднего уровня

Освоив основы облака, переходите к более прикладным задачам. В этих проектах мы сосредоточимся на развитии базовых навыков, которые вы уже получили. Теперь вы сможете создавать в облаке приложения, готовые к продакшену, по современным архитектурным принципам.

3. Аналитика данных в облаке

Все большая часть облачных вычислений посвящена аналитике данных. По мере роста объёмов данных организации всё активнее используют облачные решения, чтобы находить ответы на свои вопросы. У облачного инженера есть возможность создавать автоматизированную аналитику на облачной платформе. Благодаря масштабируемости облачные аналитические решения легко растут вместе со спросом. В этом проекте вы отработаете сквозное развёртывание — от хранилища данных до аналитики. Так вы полностью поймёте, как данные попадают в облако и превращаются в ответы.

Ресурсы:

Ознакомьтесь с нашим руководством по началу работы с Azure Synapse. Если у вас мало опыта с Azure, рекомендую сначала пройти курс Understanding Microsoft Azure и почитать статьи об Azure — облачном решении Microsoft. Его доля на рынке растёт, и в ряде сегментов он может доминировать по сравнению с AWS и GCP.

Получаемые навыки:

• Основы Azure Storage
• Azure Synapse
• Аналитика данных в облаке

4. Трёхзвенное веб‑приложение

Это естественный шаг после статического сайта. Вы создаёте более сложную архитектуру, использующую лучшие возможности облака. Трёхзвенное приложение разделяет веб-, прикладной и дата-уровни. Веб-слой отвечает за интерфейс, прикладной — за бэкенд, а слой данных — за хранение. Это удобно, потому что каждый компонент можно масштабировать независимо и настраивать для него отдельную безопасность. 

Построение трёхзвенного веб‑приложения в облаке требует понимания, какие облачные продукты подходят для каждого слоя, и как связать их в единый сервис.

Из документации AWS: диаграмма архитектуры трёхзвенного веб‑приложения

Ресурсы:

Убедитесь, что хорошо понимаете основы облака. Следуйте этому руководству по созданию трёхзвенного веб‑приложения, чтобы реализовать более сложный проект.  Если вы никогда не создавали веб‑приложения, попробуйте что‑то вроде этого Python‑приложения на Bokeh. Постарайтесь отделить интерфейс в веб‑слой, а обработку данных — в прикладной слой.

Получаемые навыки:

• Веб‑приложения на Python
• Трёхзвенное веб‑приложение
• Облачная веб‑разработка

Продвинутые проекты

Эти продвинутые проекты направлены на использование облака в полную силу. Они сосредоточены на создании конечных продуктов и технических демо на базе облачных сервисов.  

5. Серверлесс‑машинное обучение

Одна из ключевых ролей облака — расширение возможностей компаний в машинном обучении. Для ML требуется много вычислительных ресурсов, что предполагает множество локальных серверов. Не у всех компаний есть место и средства на такую инфраструктуру. 

Благодаря облаку компании могут выполнять серверлесс‑ML, используя такие продукты, как AWS Lambda или GCS BigQuery. Реализация проекта по серверлесс‑машинному обучению демонстрирует знание современных трендов и продвинутые навыки работы с облаком.

Ресурсы:

Убедитесь, что вы хорошо понимаете облачную архитектуру для науки о данных и машинного обучения. Затем можно начать с руководства AWS по серверлесс‑обработке изображений.  В данном проекте используется Amazon Rekognition для обработки изображений (в частности распознавания лиц). Обязательно попробуйте этот туториал по AWS Step Functions, так как они активно используются в проекте. Добавьте ещё несколько сервисов AWS, таких как AWS Lambda, DynamoDB и EventBridge — и у вас будет завершённый проект по распознаванию изображений!

Получаемые навыки:

• Серверлесс‑машинное обучение
• AWS Rekognition
• AWS Lambda
• AWS Step Functions
• AWS DynamoDB
• AWS EventBridge

6. Чат‑бот в облаке

По мере того как больше людей пользуются онлайн‑сервисами, такими как шопинг и банкинг, веб‑поддержка становится ещё важнее. Компании всё чаще используют ИИ‑чат‑ботов, чтобы снижать издержки и отвечать на простые вопросы. Благодаря быстрой масштабируемости пользователи сталкиваются с минимальными задержками при поиске ответов. Это позволяет сократить численность команды поддержки и уменьшить время ожидания. Благодаря таким продуктам, как Amazon Lex, легко развернуть и отработать нужные навыки.

Ресурсы:

Убедитесь, что вы хорошо понимаете облачную архитектуру для науки о данных и машинного обучения и её преимущества для ИИ. Amazon предлагает простое руководство для быстрого старта с Amazon Lex. Чтобы упростить задачу, в этом проекте используется Amazon CloudFormation для готового веб‑шаблона. Развёртывание должно быть несложным, так как опирается на многие навыки из проекта по серверлесс‑ML выше.

Получаемые навыки:

• Облачный чат‑бот
• ИИ в облаке
• Amazon Lex

Open source‑проекты в облачных вычислениях

Наконец, проекты, ориентированные на открытое облако. Эти open source‑проекты позволяют в некотором смысле создать облачную среду с нуля и более гибко её настраивать. Они покажут, что вы понимаете, как облачные системы строятся от серверов и безопасности до подключения конечных пользователей.

7. OpenStack

OpenStack — одна из крупнейших open source‑облачных платформ. Она позволяет собирать полностью кастомные облачные стэки на базе доступного открытого ПО. Open source не означает, что это не надёжно: крупные компании вроде Rakuten, T‑Mobile и Target используют собственные компоненты в OpenStack для своих операций. Освоение этого стэка может быть крайне ценным.

Ресурсы:

Существует множество материалов по работе с OpenStack. Начните с чтения документации OpenStack о том, как установить OpenStack и пройти обучение. Обязательно посмотрите видео на YouTube и ознакомьтесь с базовыми гайдами по старту с OpenStack. Это отличный повод освежить курс Cloud Computing на DataCamp, чтобы вспомнить основы облачной инфраструктуры.

Получаемые навыки:

• Построение облака с нуля
• Open source‑облачные проекты
• Работа с OpenStack

8. OpenNebula

Альтернатива OpenStack — OpenNebula. Этот проект делает упор на более монолитную архитектуру с одним сервером для управления виртуальными машинами и контейнерами. Это простой способ развернуть кастомное облако с быстрым деплоем и интуитивной настройкой. Если вы хотите использовать гипервизоры и контейнеры как основу облака, OpenNebula — отличный выбор.

Ресурсы:

OpenNebula чуть менее популярна, чем OpenStack, поэтому искать материалы может быть сложнее. Документация OpenNebula — отличная отправная точка для быстрого старта и изучения основ инструмента. Далее пройдите курс по Docker — и вы на пути к созданию контейнерной облачной инфраструктуры.

Получаемые навыки:

• Построение облака с фокусом на виртуализацию
• Практический опыт с open source‑облаком
• Работа с OpenNebula
• Docker

Итоги

Кратко взглянем на все проекты, о которых шла речь, и как они могут вписаться в ваш план обучения.

Заключение

Мы увидели, что существует множество проектов, с которых можно начать работу с облаком. Все они отлично подходят для формирования портфолио в облачных вычислениях. Важно полностью понимать каждый проект и уметь уверенно о нём рассказывать, чтобы продемонстрировать экспертизу. Продолжайте укреплять знания по основам и возможным сертификациям. Вот несколько ресурсов для старта:

• 5 лучших облачных сертификаций
• Сертификация Google Cloud
• 12 лучших проектов для AWS