доц. д-р Георги Чолаков,
хон. ас. Иван Бекяров

Дисциплината запознава студентите с архитектурата, принципите и практическото приложение на съвременните технологии за контейнеризация в облачни среди и инфраструктура за изкуствен интелект. Разглеждат се механизмите за изолация и управление на системни ре-сурси, както и технологиите Docker, LXC, LXD/Incus и FreeBSD Jails. Обучението обхваща съз-даване и управление на контейнеризирани приложения, контейнерни мрежи, съхранение на данни, автоматизирано разгръщане и основни подходи за информационна сигурност. Специално внима-ние се отделя на използването на GPU ресурси и изпълнението на AI/ML приложения в контейне-ризирана среда. Практическите упражнения осигуряват умения за изграждане, конфигуриране и администриране на контейнерна инфраструктура, приложима в съвременните DevOps, Cloud и AI системи.

Успешно завършилите обучението по тази учебна дисциплина:
1. Ще знаят:
• основните принципи и архитектурни различия между виртуализация и контейнеризация;
• механизмите Linux Namespaces, cgroups v2, Capabilities и Seccomp;
• OCI стандартите, containerd, runc и контейнерните регистри;
• архитектурата и начините на работа с Docker, LXC, LXD/Incus и FreeBSD Jails;
• принципите на контейнерните мрежи, файлови системи и постоянното съхранение на данни;
• основните рискове и мерки за информационна сигурност на контейнерите;
• подходите за GPU ускорение и контейнеризация на AI/ML приложения.
2. Ще могат:
• да изграждат и оптимизират Docker изображения и да управляват жизнения цикъл на контейнерите;
• да конфигурират контейнерни мрежи, bind mounts и ресурсни ограничения;
• да разгръщат многокомпонентни приложения с Docker Compose и health checks;
• да администрират системни контейнери с LXC и LXD/Incus;
• да прилагат основни механизми за защита и сканиране на контейнерни изображения;
• да конфигурират достъп до GPU ресурси в контейнерна среда;
• да разгръщат примерни AI/ML и LLM inference приложения;
• да документират и представят интегрирано контейнеризирано решение.

А) Лекции
1. Въведение във виртуализацията и контейнерните технологии – 3 часа
1. Основни принципи на виртуализацията и контейнеризацията.
2. Разлики между виртуални машини и контейнери.
3. Контейнери за приложения (Application Containers) и системни контейнери (System Containers).
4. Архитектурни особености и области на приложение.
2. Архитектура и вътрешни механизми на Linux контейнерите – 3 часа
1. Linux Namespaces и изолация на процеси.
2. Control Groups (cgroups v2) и управление на ресурси.
3. Linux Capabilities и Seccomp.
4. Механизми за изолация и ограничения на контейнерите.
3. OCI стандарти и среди за изпълнение на контейнери – 3 часа
1. Open Container Initiative (OCI).
2. OCI Image и Runtime спецификации.
3. Containerd и runc.
4. Container Registries и управление на контейнерни изображения.
4. Docker – архитектура и управление на контейнери – 3 часа
1. Архитектура на Docker Engine.
2. Docker Daemon и Docker Client.
3. Създаване, стартиране и управление на контейнери.
4. Жизнен цикъл на контейнерите.
5. Изграждане и оптимизация на контейнерни изображения – 3 часа
1. Docker Images и Dockerfile.
2. Слоеста архитектура на контейнерните изображения.
3. Docker Build и Build Cache.
4. Multi-stage Builds.
5. Оптимизация на размер, производителност и използвани ресурси.
6. Управление на данни в контейнеризирана среда – 2 часа
1. Docker Volumes и Bind Mounts.
2. OverlayFS и контейнерни файлови системи.
3. Постоянно съхранение на данни (Persistent Storage).
4. Управление на данни при жизнения цикъл на контейнерите.
7. Мрежова свързаност на контейнерите – 2 часа
1. Архитектура на контейнерните мрежи.
2. Bridge Networking и Virtual Ethernet (veth).
3. NAT и Port Publishing.
4. Macvlan и IPvlan.
5. DNS и комуникация между контейнерите.
8. Управление на многокомпонентни приложения с Docker Compose – 2 часа
1. Архитектура и предназначение на Docker Compose.
2. Дефиниране на многокомпонентни приложения.
3. Управление на зависимости между услуги.
4. Health Checks и Environment Variables.
5. Основи на управлението на Secrets.
9. Системна контейнеризация с LXC – 2 часа
1. Архитектура и принципи на LXC.
2. Създаване и управление на системни контейнери.
3. Контейнерни изображения и шаблони.
4. Управление на ресурси и мрежова свързаност.
10. Управление на системни контейнери с LXD и Incus – 2 часа
1. Архитектура и функционалности на LXD и Incus.
2. Създаване и управление на контейнери и виртуални машини.
3. Profiles и Storage Pools.
4. Мрежова конфигурация.
5. Snapshots и управление на състоянието.
11. Контейнеризация във FreeBSD – 2 часа
1. Архитектура на FreeBSD Jails.
2. Изолация на процеси и системни ресурси.
3. VNET и мрежова виртуализация.
4. Интеграция със ZFS.
5. Сравнение между FreeBSD Jails и Linux контейнери.
12. Информационна сигурност на контейнеризирани среди – 2 часа
1. Основни заплахи и рискове при контейнеризация.
2. Rootless Containers.
3. Linux Capabilities и Seccomp.
4. AppArmor и механизми за ограничаване на достъпа.
5. Сканиране за уязвимости на контейнерни изображения.
6. Добри практики за защита на контейнеризирани приложения.
13. GPU ускорение в контейнеризирана среда – 2 часа
1. Архитектура на GPU изчисленията.
2. NVIDIA CUDA и използване на GPU ресурси.
3. NVIDIA Container Toolkit.
4. Container Device Interface (CDI).
5. Предоставяне и управление на GPU ресурси в контейнери.
14. Контейнеризация на приложения за изкуствен интелект и машинно обучение – 2 часа
1. Основни принципи на контейнеризацията на AI/ML приложения.
2. Контейнеризирано изпълнение на PyTorch, TensorFlow и ONNX приложения.
3. Разгръщане на предварително обучени AI модели.
4. LLM Inference в контейнерна среда.
5. Използване на GPU ускорение за AI приложения.
15. Интегрирано практическо задание – 2 часа
1. Изграждане на контейнеризирано приложение.
2. Конфигуриране на мрежова свързаност и съхранение на данни.
3. Управление на CPU и RAM ресурси.
4. Конфигуриране на Health Checks.
5. Разгръщане на примерна AI Inference услуга.
6. Документиране и представяне на разработеното решение.
Общо: 35 часа.

• Студентите разработват курсов проект с контейнеризирано приложение, мрежова конфигурация, постоянно съхранение на данни, ограничения на ресурси и health checks.
• В заключителния етап на проекта се разгръща примерна AI inference услуга и се представят документация, инструкции за стартиране и демонстрация на работещото решение.

• Курсов проект – 60%
• Решаване на практически задания и казуси по време на курса – 30%
• Присъствие на занятията – 10%