用Terraform和Pulumi自动化云资源：ai-infra-engineer-learning中的IaC完整教程（含GitOps）-北京尧图网络

【免费下载链接】ai-infra-engineer-learningAI Infrastructure Engineer Learning Track - Production ML infrastructure curriculum (2-4 years experience)项目地址https://gitcode.com/gh_mirrors/ai/ai-infra-engineer-learning点击查看免费下载在 ai-infra-engineer-learning 项目的「IaCInfrastructure as Code基础设施即代码」模块中你将学会用 Terraform 和 Pulumi 自动化云资源GPU 训练实例、S3 存储桶、Kubernetes 集群一条命令拉起一条命令销毁。本教程带你走完整条 GitOps 流水线——PR 评审、自动terraform plan、合并后自动 apply让 AI/ML 基础设施像应用代码一样可版本化、可审计、可复现。一、为什么 AI 基础设施必须用 IaC 自动化云资源手动点控制台建资源是 AI 基础设施最大的隐形成本来源GPU 太贵一台 p3 实例每小时约 $3 起忘关一天就是几十美元。IaC 可以按需用代码拉起、用完destroy销毁训练完 10 分钟重建/回收整套环境。实验不可复现开发/生产环境配置漂移在我机器上是好的问题在基础设施上同样存在。无法协作谁改了安全组什么时候改的没有版本控制无从追溯。用代码定义基础设施后你得到的是版本控制、代码评审、一键重建灾难恢复几分钟搞定、多环境dev/staging/prod同构。这些核心理念在 01-introduction-to-iac.md 中有系统讲解。二、Terraform 入门4 个命令搞定云资源Terraform 使用声明式语言 HCL——你只描述我要什么不写怎么一步步建。核心工作流只有 4 个命令terraform init # 初始化下载云厂商插件 terraform plan # 预览将发生什么变化养成先 plan 的习惯 terraform apply # 确认后真正创建资源 terraform destroy # 一键销毁省钱关键一个最小示例创建 S3 桶存放 ML 数据集完整版见 02-terraform-fundamentals.mdresource aws_s3_bucket ml_data { bucket my-ml-datasets tags { Name ML Datasets } }Terraform 项目通常拆成main.tf资源、variables.tf变量、outputs.tf输出、versions.tf版本约束几个文件配合.gitignore忽略本地状态文件。三、Pulumi用 Python 写云资源代码对 ML 工程师来说最大的门槛是又得学一门 DSL。Pulumi 的哲学是Infrastructure as Software——直接用 Python 写基础设施代码循环、函数、类、类型检查全部可用详见 05-pulumi-infrastructure-as-software.mdimport pulumi, pulumi_aws as aws bucket aws.s3.Bucket(ml-datasets, bucketmy-ml-datasets, tags{ManagedBy: Pulumi}) pulumi.export(bucket_name, bucket.id)日常命令与 Terraform 一一对应方便迁移操作TerraformPulumi预览变更terraform planpulumi preview部署terraform applypulumi up销毁terraform destroypulumi destroy环境隔离workspacepulumi stack init dev用 Python 写基础设施的好处很实际批量建 GPU 实例用for循环几行搞定还能把MLInfrastructure封装成可复用类和 ML 代码共享同一套工具链。四、Terraform vs Pulumi新手怎么选维度TerraformPulumi语言HCL专用 DSLPython / TS / Go 等学习曲线中等会 Python 就很低云厂商覆盖3000 Provider多但略少于 Terraform社区生态巨大、最成熟增长快适合场景多云标准化、大团队Python 团队、复杂逻辑建议ML 背景会 Python→ 两者都学以 Terraform 打基础业界标准用 Pulumi 写复杂编排。两者的声明式思维、状态管理、CI/CD 流程完全通用。五、状态管理与模块团队协作的关键远程状态锁状态文件是基础设施的账本团队必须放 S3 远程后端并用 DynamoDB 加锁防止两人同时apply冲突实操见 lab-03-terraform-state-backend.md 和 exercise-04-state-management-at-scale/。模块化复用把GPU 集群ML 数据桶封装成模块dev 环境传t3.micro、prod 传p3.8xlarge同一份代码覆盖三套环境改一处生效全局。模块设计模式完整讲解在 06-advanced-iac-patterns.md。六、GitOps 实战PR 评审自动 Plan 合并即部署GitOps 的核心思想Git 是唯一事实来源基础设施变更必须走 Pull Request。标准流程开发者改.tf文件并提交 PRCI 自动跑terraform fmt、validate、plan以及 tflint静态检查、tfsec / Checkov安全扫描、OPA策略即代码terraform plan结果直接贴到 PR 评论区评审者既能看代码改动也能看云里会发生什么合并到 main 后CD 自动执行terraform apply可加人工审批门。课程的 Lab 05 用 60 分钟带你搭好这套PR 出 plan、合并才 apply的流水线07-gitops-iac-cicd.md 则深入 GitOps 原则、测试金字塔语法检查 → 静态分析 → 集成测试 → 人工评审与 Atlantis 自动化工具。如果基础设施跑在 Kubernetes 上还可以继续学 ArgoCD 的持续调谐持续比对 Git 与实际状态、自动修复漂移见 exercise-06-gitops-argocd/。七、练手路线跟着 Labs 和 Exercises 做一遍本模块共8 节课 7 个 Labs 13 个 Exercises推荐顺序阶段内容路径热身第一个 Terraform VPC 模块lab-01-terraform-aws-vpc.md进阶EKS 集群远程状态 Pulumi 多云lab-02、lab-04实战GitOps 流水线、密钥管理、策略即代码lab-05、lab-06、lab-07练习总览含难度与预计时长见 exercises/README.md其中从部署 EC2、S3 数据桶到 GPU 集群、可复用模块、Pulumi 建 ML 平台等 13 个练习循序渐进。所有 Lab 列表在 labs/README.md模块学习总入口是 README.md。八、新手避坑清单来自课程的Common Pitfalls永远别把密钥写进代码——用环境变量或 IAM 角色别跳过plan直接apply -auto-approveCI 里自动化可以本地必须人肉确认别混用手动操作和 IaC——手动改控制台会造成状态漂移之后plan全部对不上用完 GPU 记得terraform destroy——课程练习 03 专门标注了成本警告️给所有资源打标签Project / Environment / CostCenter后续成本分摊全靠它。下一步学完本模块你可以接着看 LLM 基础设施模块用 IaC 部署 vLLM 推理集群或回顾云计算模块补齐 AWS/GCP/Azure 基础。更多官方文档与书单见本模块的 resources.md。仓库是只读的想动手练习请自行复制一份代码到你的目录git clone https://gitcode.com/gh_mirrors/ai/ai-infra-engineer-learning赞分享【免费下载链接】ai-infra-engineer-learningAI Infrastructure Engineer Learning Track - Production ML infrastructure curriculum (2-4 years experience)项目地址https://gitcode.com/gh_mirrors/ai/ai-infra-engineer-learning点击查看免费下载相关推荐Flux IAC tofu-controller 入门指南实现Terraform GitOps自动化Flux IAC tofu controller 入门指南实现Terraform GitOps自动化前言 tofu controller原TF contr开始ai-infra-engineer-learning之前你的技能够格吗Python、Docker、K8s完整自测清单开始ai infra engineer learning之前你的技能够格吗Python、Docker、K8s完整自测清单 ai infra engineerMLflow实验跟踪与模型注册中心ai-infra-engineer-learning中的MLOps完整实践指南MLflow实验跟踪与模型注册中心ai infra engineer learning中的MLOps完整实践指南 ai infra engineer lear创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

用Terraform和Pulumi自动化云资源：ai-infra-engineer-learning中的IaC完整教程（含GitOps）

相关推荐

WPF中嵌入HTML编辑器：WebBrowser与C#桥接实现富文本编辑

n8n实战：用可视化节点搭建自动化工作流，告别脚本泥潭

C# WinForms工控上位机界面开发：从串口数据到自定义控件的实战方案

更多资讯

Java对接华视CVR-100身份证读卡器：JNA动态库调用与GBK解码实践

V3SP3R 功能全景图：12 大核心模块一次看懂，打造你的口袋安全实验室

影刀RPA新手教程：表单自动填写实战——批量录入与动态表单处理

OpenClaw 接入 deepseek 的 Windows 安装全流程攻略：从 PowerShell 到 TaoToken 配置

AI日报｜Anthropic把前沿模型带进工业防御 / Google给Agent独立身份 / 边缘决策模型压到3B

Flarum Tags 扩展功能演进与核心机制解读：从 beta 到 2.x 的标签体系全解析

今日更新

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本周精选

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？