Cloud Native technológiák laboratórium

A tantárgy angol neve: Cloud Native Technologies Laboratory

Adatlap utolsó módosítása: 2023. április 18.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar 		BSc, Mérnökinformatikus szak, Specializáció laboratórium
Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VITMAC13 6 0/0/2/f 3  
3. A tantárgyfelelős személy és tanszék Dr. Sonkoly Balázs,
4. A tantárgy előadója Dr. Sonkoly Balázs, egyetemi docens, TMIT
Pelle István, tanszéki mérnök, TMIT
Németh Felicián, tudományos segédmunkatárs, TMIT
Czentye János, egyetemi tanársegéd, TMIT
5. A tantárgy az alábbi témakörök ismeretére épít Programozás, Kommunikációs hálózatok
6. Előtanulmányi rend
Ajánlott:
Kötelező Cloud Native hálózati funkciók fejlesztése
Ajánlott Szoftvertechnikák
7. A tantárgy célkitűzése A tárgy célja a Cloud Native hálózati funkciók fejlesztése tárgyban tanított ismeretek elmélyítése, további gyakorlása laboratóriumi mérések és önálló feladatok segítségével.

A tantárgyat sikeresen teljesítő hallgató:
• (K2) megérti a Cloud Native koncepció alapjait és az új számítási modelleket (Serverless, Container as a Service, Function as a Service)
• (K2) megérti és átlátja egy publikus és egy nyílt forráskódú platform működésének alapjait, a platform és hálózat működésének hatását a szoftverre
• (K3) képes önállóan megtervezni és implementálni microservice alapú Cloud Native hálózati alkalmazásokat
• (K3) megismeri és használni tudja azokat az eszközöket, felhő API-kat, melyek segítségével Cloud Native hálózati alkalmazások fejleszthetők és üzemeltethetők
• (K3) képes önállóan Cloud Native hálózati alkalmazások hibakeresésére, monitorozására és performancia vizsgálatára

8. A tantárgy részletes tematikája A gyakorlatok, laborok részletes tematikája:


A tárgyban elvégzendő hat mérés az alábbi hat témakörből kerül ki:

 

• Az alkalmazási példákhoz használt programozási nyelvek bemutatása. Például: Python, Go.
• Docker konténertechnológia bemutatása gyakorlati példákon keresztül. Performancia mérése, hálózati jellemzők hatása a szoftverre.
• Hálózati alkalmazások üzemeltetése nyílt forráskódú privát felhő platformon. Például: Kubernetes. Pods, Services, API Server. Egyszerű alkalmazások implementálása.
• Hálózati alkalmazások fejlesztése és üzemeltetése publikus felhő platformon. Felhő API-k és SDK-k megismerése. Például AWS. Korábbi alkalmazás beüzemelése.
• FaaS programozási modell alkalmazása publikus felhő környezetben. Például AWS: Lambda, API Gateway, SQS, SNS, Step Functions. Egyszerű alkalmazások implementálása.
• Monitorozás, hibakeresés, troubleshooting publikus és privát felhő környezetben. Például: X-Ray, CloudWatch, Prometheus, Grafana.

A hat mérés mellett az alábbi házi feladatot kell teljesíteni:
• Egy összetett Cloud Native hálózati alkalmazás fejlesztése (tervezés, implementáció, tesztelés)

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) Az oktatás 4 órás online laboratóriumi foglalkozások formájában történik az előző pontban felsorolt hat tématerületet érintve . A mérésvezetők a mérés időtartama alatt folyamatosan rendelkezésre állnak a használt online platformon keresztül, ahol a hallgatókat segítik kérdések esetén.

A mérésekre az elektronikusan elérhető segédletekből kell felkészülni. A felkészülést a mérések kezdetén a segédletekben található kérdések alapján ellenőrizzük. Amennyiben az nem megfelelő, a hallgatót pótmérésre utasítjuk.

A mérések elvégzésekor mérési jegyzőkönyvet kell beadni, az osztályzás a beadott jegyzőkönyv alapján történik.

A laboratóriumi gyakorlatok mellett a hallgatóknak egy nagy házi feladatot is meg kell oldaniuk. Ez egy adott terület részletesebb megismerését igényli, a feladatokat tanórán kívül, önállóan kell kidolgozni. Igény esetén konzultációs lehetőséget biztosítunk.
10. Követelmények Szorgalmi időszakban:
A félév elismeréséhez minden mérés legalább elégséges eredményű teljesítése és a nagy házi feladat sikeres teljesítése szükséges. A félév végi jegyet az egyes mérésekre és a házi feladatra kapott osztályzatok átlagának egész értékre kerekítése adja.
Vizsgaidőszakban:
11. Pótlási lehetőségek Pótmérés a szorgalmi időszakban történhet a félév során egyeztetett időpontban. A félév során két pót/javító mérés elvégzésére van lehetőség.
12. Konzultációs lehetőségek A mérésvezetőkkel történő egyéni egyeztetés alapján.
14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
Kontakt óra24
Félévközi készülés órákra12
Felkészülés zárthelyire 
Házi feladat elkészítése30
Kijelölt írásos tananyag elsajátítása24
Vizsgafelkészülés 
Összesen90
15. A tantárgy tematikáját kidolgozta Dr. Sonkoly Balázs, egyetemi docens, TMIT
IMSc tematika és módszer • IMSc hallgatóknak külön házi feladatok is kiadásra kerülnek, melyek sikeres teljesítése esetén IMSc pontok kaphatóak.
• A laboratóriumi gyakorlatokon emelt szintű többletfeladatok teljesíthetőek IMSc pontokért.
IMSc pontozás Legfeljebb 15 IMSc pont szerezhető hallgatónkként az alábbiak szerint:

• Sikeresen megoldott opcionális házi feladatok: max. 8 IMSc pont.
• Sikeresen megoldott többletfeladat laboratóriumi gyakorlatokon: max. 7 IMSc pont. A többletfeladatokat csak akkor értékeljük, ha az összes többi feladat alapján jelest szerzett a hallgató az adott mérésen.

Az IMSc pontokat az IMSc programban részt nem vevő hallgatók is elnyerhetik a fentiek szerint.