Merge pull request #56 from isaqb-org/chap-7-operations

Chap 7 operations

docs/04-module-block-4/02-learning-goals.adoc

@@ -3,18 +3,12 @@
 // tag::DE[]
 
 [[LZ-4-1]]
-==== LZ 4-1: Energieeffizienz von Rechenzentren und Hardware
-Die Teilnehmenden können die Energieeffizienz eines Rechenzentrums einschätzen. Sie kennen den Power Usage Effectivness (PUE) und seine Vor- und Nachteile.
-
-Die Teilnehmenden kennen die Leistung-Last-Beziehung von Hardware. Sie können den Server Idle Energy Coefficient (SIEC) berechnen und einschätzen.
-
-[[LZ-4-2]]
-==== LZ 4-2: Ressourcen in Relation zur erbrachten Leistung  bringen
+==== LZ 4-1: Ressourcen in Relation zur erbrachten Leistung  bringen
 Die Teilnehmenden sind in der Lage, Ressourcen in Relation zur erbrachten Leistung zu bringen
 (Business Metrik). Sie kennen die Metrik Software Carbon Intensity (SCI) und verstehen, wie dieser als Business  Metrik genutzt werden kann.
 
-[[LZ-4-3]]
-==== LZ 4-3: Messverfahren und Messwerkzeuge
+[[LZ-4-2]]
+==== LZ 4-2: Messverfahren und Messwerkzeuge
 Die Teilnehmenden kennen verschiedene Kategorien von Messverfahren und deren Einsatzgebiete. Sie verstehen, wie man Werkzeuge der verschiedenen Kategorien für eine Analyse kombinieren kann.
 Kategorien sind beispielsweise
 
@@ -24,8 +18,8 @@ Kategorien sind beispielsweise
 * Programmiersprachenspezifische Messwerkzeuge. Sie liefern "whitebox"-Messungen innerhalb einer Anwendung, können z.T. auf Methoden-Ebene den Energieverbrauch messen (z.B. JoularJX (Java), Code Carbon (Python))
 * Messwerkzeuge für Webanwendungen geben Auskunft u.a. über die Netzwerklast, die durch einen Seitenaufruf erzeugt wird (z.B. die Entwicklertools von Google Chrome mit GreenIT-Plugin)
 
-[[LZ-4-4]]
-==== LZ 4-4: Messmethodik
+[[LZ-4-3]]
+==== LZ 4-3: Messmethodik
 Die Teilnehmenden kennen das methodische Vorgehen beim Messen des Energieverbrauchs, bzw. der CO~2~-Intensität. Sie verstehen, dass die Bewertung / Messung des absoluten Verbrauchs i.d.R. (gerade in der Cloud) nicht sehr exakt möglich ist, sondern wie man stattdessen Trends analysiert.
 
 Sie kennen Proxy-Metriken für die CO~2~-Intensität.
@@ -41,8 +35,8 @@ Die Teilnehmenden verstehen, dass das Vorgehen der Energieeffizienzmessung verwa
 
 Die Teilnehmenden verstehen, wie man systematisch vorgeht, um Verbrauchshotspots einzugrenzen.
 
-[[LZ-4-5]]
-==== LZ 4-5: Messen der Energieeffizienz in den Entwicklungsprozess integrieren
+[[LZ-4-4]]
+==== LZ 4-4: Messen der Energieeffizienz in den Entwicklungsprozess integrieren
 Die Teilnehmenden wissen, wie man die Energieeffizienzmessungen in den Entwicklungsprozess integriert. Sie kennen Möglichkeiten, die Messungen in die CI/CD-Pipeline zu integrieren. Sie verstehen, wie sie eine gute Balance für die Häufigkeit der Messungen finden - einerseits sollen (negative) Trends schnell erkannt werden, andererseits verbraucht das Messen selber ebenfalls Energie.
 
 Die Teilnehmenden verstehen, dass die Messungen möglichst einfach und leichtgewichtig für die Entwickler:innen zu benutzen sein müssen, um die Akzeptanz zu erhöhen. Sie verstehen, dass die Energieeffizienzmessungen konkurrieren mit einem schnellen Feedback aus dem Build. Sie verstehen, dass für die Akzeptanz ebenfalls wichtig ist:

docs/07-module-block-7/00-structure.adoc

@@ -3,11 +3,11 @@
 // ====================================================
 
 // tag::DE[]
-== Cloud-Anbieter
+== Betrieb
 // end::DE[]
 
 // tag::EN[]
-== Cloud Provider
+== Operations
 // end::EN[]
 
 include::01-duration-terms.adoc[{include_configuration}]

docs/07-module-block-7/02-learning-goals.adoc

@@ -3,32 +3,34 @@
 
 // tag::DE[]
 [[LZ-7-1]]
-==== LZ 7-1: Cloud Service Modelle
-Die Teilnehmenden kennen die Hauptkategorien von Cloud Computing Services (Cloud Service Modelle), insbesondere "Infrastructure as a Service", "Platform as a Service", "Software as a Service" und "Serverless". Sie können die Hauptcharakteristik dieser Modelle benennen und abwägen wo und wie sie sich bzgl. Energieeffizienz und Software Carbon Intensity unterscheiden und wo sie ähnlich einzuordnen sind.
+==== LZ 7-1: Energieeffizienz von Rechenzentren und Hardware
+Die Teilnehmenden können die Energieeffizienz eines Rechenzentrums einschätzen. Sie kennen den Power Usage Effectivness (PUE) und seine Vor- und Nachteile.
 
+Die Teilnehmenden kennen die Leistung-Last-Beziehung von Hardware. Sie können den Server Idle Energy Coefficient (SIEC) berechnen und einschätzen.
 [[LZ-7-2]]
-==== LZ 7-2: Cloud Deployment Modelle
-Die Teilnehmenden kennen die verschiedenen Deployment Modelle für Cloud Umgebungen wie vor Allem
-
-* "Public Cloud"
-* "Private Cloud"
-* "Hybrid Cloud"
-
-und können aufzeigen welche Chancen und Risiken diese Varianten auf Energieeffizienz und "Software Carbon Intensity" haben. Dabei sind insbesondere die Energieeffizienz der Rechenzentren, die Flexibilität bei der Auswahl der Hardware, Überprovisionierung und Datenverkehr zu berücksichtigen.
+==== LZ 7-2: Cloud Service Modelle
+Die Teilnehmenden kennen die Hauptkategorien von Cloud Computing Services (Cloud Service Modelle), insbesondere "Infrastructure as a Service", "Platform as a Service", "Software as a Service" und "Serverless". Sie können die Hauptcharakteristik dieser Modelle benennen und abwägen wo und wie sie sich bzgl. Energieeffizienz und Software Carbon Intensity unterscheiden und wo sie ähnlich einzuordnen sind.
 
 [[LZ-7-3]]
-==== LZ 7-3: Cloud-Anbieter nach ökologisch-nachhaltigen Aspekten bewerten
+==== LZ 7-3: Cloud Deployment Modelle
+Die Teilnehmenden kennen die verschiedenen Deployment Modelle für Cloud Umgebungen wie vor Allem "Public Cloud", "Private Cloud", "Hybrid Cloud" und klassischer On-Premise-Betrieb. Sie können aufzeigen welche Chancen und Risiken diese Varianten auf Energieeffizienz und "Software Carbon Intensity" haben. Dabei sind insbesondere die Energieeffizienz der Rechenzentren, die Flexibilität bei der Auswahl der Hardware, Überprovisionierung und Datenverkehr zu berücksichtigen.
+
+[[LZ-7-4]]
+==== LZ 7-4: Anbieter nach ökologisch-nachhaltigen Aspekten bewerten
 Die Teilnehmenden sind in der Lage ökologisch-nachhaltige Aspekte der verschiedenen Anbieter zu beurteilen um diese in einer Auswahl berücksichtigen zu können. Dazu wissen sie, wie sie u.a. an folgende Informationen gelangen
 
 * Informationen zum aktuellen Stand der Emissionen eines Anbieter (z.B. Sustainability Reports, Environmental Reports)
 * welche Massnahmen Anbieter aktuell durchführen um Emissionen zu reduzieren oder zu kompensieren
 * die Roadmap und Klimaziele der Anbieter für die Zukunft
 
-und können diese Informationen in die Auswahl einfliessen lassen. Ausserdem kennen die Teilnehmer die Müglichkeiten und Einschränkungen der Anbieter beim Monitoring der Emissionen aus der eigenen Ressourcennutzung wie sie durch die Werkzeuge der Anbieter (z.B. AWS carbon-footprint-tool, GCP Carbon Footprint) bereitgestellt werden.
+und können diese Informationen in die Auswahl einfliessen lassen. Ausserdem kennen die Teilnehmer die Möglichkeiten und Einschränkungen der Anbieter beim Monitoring der Emissionen aus der eigenen Ressourcennutzung wie sie durch die Werkzeuge der Anbieter (z.B. AWS carbon-footprint-tool, GCP Carbon Footprint) bereitgestellt werden.
 
+[[LZ-7-5]]
+==== LZ 7-5: Betriebliche Antipatterns
+Die Teilnehmenden kennen die Herausforderungen des energieeffizienten Betriebs und typische Anti-Pattern wie z.B Überprovisionierung durch fehlendes Monitoring, fehlende Automatisierung in der Provisionierung oder unnötige geografische Verteilung.
 
-[[LZ-7-4]]
-==== LZ 7-4: CO2 Optimierung in der Cloud
+[[LZ-7-6]]
+==== LZ 7-6: CO2 Optimierung in der Cloud
 Die Teilnehmenden wissen wie und in welchem Rahmen sie bei einzelnen Cloud-Anbietern die Emissionen beeinflussen können durch u.a.
 
 * Auswahl von Zonen mit emissionsarmer Energieversorgung
@@ -58,5 +60,13 @@ TODO
 [[LG-7-4]]
 ==== LG 7-4: TODO
 TODO
+
+[[LG-7-5]]
+==== LG 7-5: TODO
+TODO
+
+[[LG-7-6]]
+==== LG 7-6: TODO
+TODO
 // end::EN[]
 

docs/08-module-block-8/02-learning-goals.adoc

@@ -3,18 +3,7 @@
 
 // tag::DE[]
 [[LZ-8-1]]
-==== LZ 8-1: Cloud Antipatterns
-Die Teilnehmenden kennen die Herausforderungen in der Cloud und typische Anti-Pattern wie z.B.
-
-* Überprovisionierung durch fehlendes Monitoring oder fehlende Automatisierung in der Provisionierung
-* TODO bitte ergänzen
-
-[[LZ-8-2]]
-==== LZ 8-2: Cloud Resource Provisioning
-Die Teilnehmenden kennen einige Wege zur strukturierten Provisionierung von Cloud-Ressourcen wie z.B. Terraform, Crossplane oder Helm, wissen wie wichtig Automatisierung ist, um die Flexibilität von Cloud-Umgebungen nutzen zu können. Sie können dies konkret an Beispielen mit Bezug auf Ressourceneffizienz erläutern. Stichwort "Immutable Infrastructure".
-
-[[LZ-8-3]]
-==== LZ 8-3: Energie messen in der Cloud
+==== LZ 8-1: Energie messen in der Cloud
 Die Teilnehmenden können den Energieverbrauch in der Cloud schätzen und messen.
 
 * TODO
@@ -24,27 +13,12 @@ Die Teilnehmenden können den Energieverbrauch in der Cloud schätzen und messen
 * unterschiedliche Services (Managed Dynamo DB vs. eigene VM) oft schwierig zu vergleichen
 * Etsy Cloud Jewels
 
-[[LZ-8-4]]
-==== LZ 8-4: Kubernetes Optimierung
-Die Teilnehmenden kennen Beispiele für Optimierungen von Kubernetes-Clustern
 // end::DE[]
 
 // tag::EN[]
 [[LG-8-1]]
 ==== LG 8-1: TODO
 TODO
 
-[[LG-8-2]]
-==== LG 8-2: TODO
-TODO
-
-[[LG-8-3]]
-==== LG 8-3: TODO
-TODO
-
-[[LG-8-4]]
-==== LG 8-4: TODO
-TODO
-
 // end::EN[]