{"id":170624,"date":"2023-03-01T20:01:23","date_gmt":"2023-03-01T19:01:23","guid":{"rendered":"https:\/\/liora.io\/de\/?p=170624"},"modified":"2026-02-06T07:02:54","modified_gmt":"2026-02-06T06:02:54","slug":"gitlab-alles-ueber-das-git-repository-fuer-devops","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/gitlab-alles-ueber-das-git-repository-fuer-devops","title":{"rendered":"GitLab: Alles \u00fcber das Git-Repository f\u00fcr DevOps"},"content":{"rendered":"

GitLab ist ein Code-Hosting- und Versionsverwaltungsservice, der mit einer kompletten DevOps-Plattform gepaart ist. Hier erf\u00e4hrst du alles, was du dar\u00fcber wissen musst: Funktionsweise, Unterschiede zu GitHub, Anwendungsf\u00e4lle f\u00fcr Data Science und Machine Learning, Schulungen…<\/strong><\/p>\nIn den Bereichen Data Science<\/strong> und Machine Learning<\/a> sowie generell in der Softwareentwicklung sind Dienste zum Hosten von Code und zur Versionsverwaltung nicht mehr wegzudenken. Zu den am h\u00e4ufigsten genutzten Plattformen geh\u00f6ren GitHub<\/a> und GitLab.\n\nBeide Plattformen sind webbasierte Git-„Repositories“. Das Git-Versionsverwaltungssystem erm\u00f6glicht es, Softwareentwicklungsprojekte<\/strong> und alle damit verbundenen Dateien zu verwalten, w\u00e4hrend sie ge\u00e4ndert werden.\n\nSo k\u00f6nnen die von jedem Teammitglied vorgenommenen \u00c4nderungen verwaltet und \u00fcberwacht werden. Die Projektmitglieder k\u00f6nnen so ihre Arbeit koordinieren und den Fortschritt im Laufe der Zeit verfolgen.\n\nDie Informationen werden in Form von Daten in einem „Repositorium“ (repository) aufbewahrt. Es enth\u00e4lt die Objekte und ihre Referenzen und fungiert als zentraler Ort, an dem Entwickler Entwicklungsprojekte<\/strong> speichern, teilen, testen und zusammenarbeiten k\u00f6nnen.\n

Was ist GitLab ?<\/h3>\nWie GitHub ist GitLab<\/strong> ein Gi<\/strong>-Repository-Manager, der es Teams erm\u00f6glicht, an Computercode<\/b> zu arbeiten<\/b>. Es ist in den Sprachen Ruby<\/strong> und Go<\/strong> geschrieben und wurde 2011 von Dmitriy Zaporozhets und Valery Sizov gegr\u00fcndet.<\/b><\/strong>\n\nEs handelt sich um eine vollst\u00e4ndig<\/b> Open-Source-Plattform<\/b>. Sie ist auch kostenlos<\/strong> f\u00fcr Privatpersonen.\n
Mehrere Mitglieder eines Teams k\u00f6nnen GitLab nutzen, um an einem Projekt zusammenzuarbeiten, \u00c4nderungen vorzuschlagen und bei unvorhergesehenen Problemen eventuell zur\u00fcckzugehen.<\/blockquote>\nSeit der Einf\u00fchrung der Version 10.0<\/strong> ist GitLab mehr als nur ein Git-Warehouse. Der Dienst bietet jetzt eine „Complete DevOps“<\/b> Vision, die Entwicklung<\/strong> und Operationen<\/strong> in einer einzigen Benutzererfahrung vereint.\n\nDie neue Version bietet eine bessere Integration zwischen Entwicklungswerkzeugen<\/strong> und DevOps<\/a>. Die Nutzer k\u00f6nnen alle Aufgaben eines Projekts ausf\u00fchren, von der Planung<\/strong> \u00fcber die Verwaltung<\/strong> des Quellcodes bis hin zu Monitoring<\/strong> und Sicherheit<\/strong>.\n\n\n
Unsere Weiterbildungen entdecken<\/a><\/div><\/div>\n\n

Was sind seine verschiedenen Bestandteile?<\/h3>\nGitLab<\/strong> besteht aus mehreren Komponenten, die eine komplette L\u00f6sung f\u00fcr DevOps und Projektmanagement bilden. Zun\u00e4chst einmal k\u00f6nnen „Projekte“ erstellt werden, um Code zu hosten, daran zusammenzuarbeiten oder Probleme zu identifizieren.\n\nDie nativen Funktionen f\u00fcr kontinuierliche Integration und kontinuierliche Lieferung (Gitlab CI\/CD)<\/strong> erm\u00f6glichen es, eine Anwendung kontinuierlich zu entwickeln, zu testen und zu verteilen. Projekte k\u00f6nnen \u00f6ffentlich zug\u00e4nglich gemacht werden oder nur einem internen oder privaten Publikum vorbehalten sein.\n\nEs ist m\u00f6glich, mehrere miteinander verbundene Projekte zu einer „Gruppe“ zusammenzufassen. Mithilfe von „SubGroups“ (Untergruppen) kann eine Hierarchie mit bis zu 20 Gruppenebenen erstellt werden.\n\nDie Funktionen der kontinuierlichen Integration (CI), die GitLab nativ<\/strong> anbietet, erm\u00f6glichen es, kleine Codeteile zu einer Anwendung hinzuzuf\u00fcgen, die in einem Git gehostet wird. F\u00fcr jeden „Push “ kann eine Pipeline von Skripten ausgef\u00fchrt werden, um den Code zu testen, bevor die \u00c4nderungen freigegeben und in das Projekt eingebracht werden.\n\nContinuous Delivery and Deployment (CD)<\/strong> erm\u00f6glicht es, die Anwendung bei jedem Push in Produktion zu bringen. GitLabs CI\/CD wird durch eine Datei namens .gitlab-ci.yml konfiguriert, die im Wurzelverzeichnis des Git-Warehouse<\/a> abgelegt wird, und die Skripte in dieser Datei werden vom GitLab Runner ausgef\u00fchrt.\n

GitLab vs GitHub : Wo liegt der Unterschied ?<\/h3>\nEs gibt mehrere gr\u00f6\u00dfere Unterschiede zwischen GitLab und GitHub<\/a>. Diese Unterschiede betreffen zum Beispiel die Authentifizierungssysteme <\/b> und Zugriffsberechtigungen<\/strong>, die bei GitLab<\/strong> granularer sind und sich daher besser f\u00fcr gro\u00dfe Teams eignen, die an gro\u00dfen Projekten arbeiten.\n\nDar\u00fcber hinaus zeichnet sich GitLab<\/strong> durch sein Integrations- <\/b>und Continuous Delivery<\/b>-System aus. Dadurch k\u00f6nnen Entwicklungsteams wertvolle Zeit sparen. F\u00fcr Benutzer, die bereits eine externe Continuous Integration<\/strong> nutzen, ist die Plattform kompatibel mit Jenkins<\/a>, Codeship <\/a> und vielen anderen.\n\nDas System Auto DevOps <\/a> erm\u00f6glicht es au\u00dferdem, automatische<\/strong> Continuous Integration oder Continuous Delivery ohne menschliches Zutun zu starten. GitLab<\/strong> ist damit GitHub<\/strong> im Bereich DevOps<\/strong> einen Schritt voraus.\n\nEnde 2019 hat GitHub<\/strong> „Actions“ eingef\u00fchrt<\/b>. Dieses neue System erm\u00f6glicht es, Aufgaben zu schreiben, um den Entwicklungs-Workflow zu automatisieren<\/strong> und zu anpassen<\/strong>. Im Gegensatz dazu bietet GitHub<\/strong> keine Plattform f\u00fcr die Bereitstellung. Eine Drittanbieteranwendung wie Heroku <\/a> ist erforderlich.\n\nDer letzte Unterschied ist der Preis der „Enterprise“-Versionen der beiden Dienste. Die Enterprise-Variante von GitHub<\/strong> wird ab 250 US-Dollar<\/strong> pro Nutzer und Jahr angeboten, w\u00e4hrend GitLab<\/strong> ab 39 US-Dollar<\/strong> pro Nutzer und Jahr beginnt.\n\nZusammengefasst ist GitHub<\/strong> mit Abstand das popul\u00e4rste<\/strong> Git-Repository mit mehreren zehn Millionen<\/strong> Nutzern gegen\u00fcber nur 100.00<\/strong> f\u00fcr GitLab<\/strong>. Dennoch begleitet GitLab<\/strong> Teams durch den gesamten DevOps<\/strong>-Prozess und ist f\u00fcr Unternehmen erschwinglicher.\n

GitLab f\u00fcr Data Science und Machine Learning<\/h3>\nTeams f\u00fcr Data Science und Machine Learning<\/a> k\u00f6nnen einem Unternehmen einen wertvollen Vorteil verschaffen, indem sie aus Datens\u00e4tzen verwertbare Informationen gewinnen.\n\nUm dies zu erreichen, haben sie jedoch erhebliche Anforderungen an die Zusammenarbeit, die Projektplanung und das Projektmanagement sowie die Versionsverwaltung von Dateien, Modellen oder Datens\u00e4tzen.\n\nFachleute f\u00fcr Data Science und Machine Learning<\/strong> m\u00fcssen au\u00dferdem in der Lage sein, entscheidende Schritte im Arbeitsablauf zu automatisieren, um effizienter zu werden und manuelle Fehler zu vermeiden. Sie m\u00fcssen auch die Test- und Validierungsprozesse ihrer Arbeit fl\u00fcssiger gestalten, um schneller und wiederholbarer zu werden.\n\nUnd schlie\u00dflich muss die Verwaltung der Infrastruktur so einfach wie m\u00f6glich sein (vor allem, wenn diese Infrastruktur auf mehreren Cloud-Anbietern basiert). GitLab erf\u00fcllt diese Anforderungen und ist deshalb ein unverzichtbares Werkzeug f\u00fcr Data Science und Machine Learning.\n\nTeams k\u00f6nnen problemlos abteilungs\u00fcbergreifend zusammenarbeiten, ihre Arbeit verwalten und planen und den \u00dcberblick \u00fcber \u00c4nderungen behalten, die w\u00e4hrend der Entwicklung, des Trainings und des Einsatzes von Modellen vorgenommen wurden.\n\nDie Automatisierung wird durch das CI\/CD<\/strong> von GitLab erm\u00f6glicht, mit dem Modelle einfach validiert werden k\u00f6nnen, indem bei jeder \u00c4nderung verschiedene Elemente getestet werden. Auch der Aufbau und die Bereitstellung eines Modells sind automatisiert. Schlie\u00dflich kann ein Modell in jeder beliebigen Cloud bereitgestellt und verwaltet werden.\n\nVor kurzem hat Iterative.ai ein neues Open-Source-Projekt<\/a> namens CML (continuous machine learning)<\/strong> gestartet. Dieses Projekt erm\u00f6glicht es, das GitLab CI an die Anwendungsf\u00e4lle von Data Science und Machine Learning anzupassen. Als Beispiele seien hier das automatische Training von Modellen, das automatische Testen oder das Reporting mit Datenvisualisierung<\/a> genannt.\n\n\n
Data Engineer Weiterbilung<\/a><\/div><\/div>\n\n

GitLab: Wie lernt man seine Anwendung ?<\/h3>\nUm zu lernen, wie man GitLab benutzt<\/strong>, kannst Du Dich f\u00fcr einen der Kurse von Liora anmelden.\n\nUnsere hybriden Kurse basieren auf einem innovativen „Blended Learning“-Ansatz (Hybrid aus Pr\u00e4senzunterricht und Fernunterricht) und bieten Dir die M\u00f6glichkeit, ein von der Universit\u00e4t Sorbonne zertifiziertes Diplom zu erwerben.<\/strong>\n\nGitLab steht auf dem Programm unserer Data Engineer-Ausbildung<\/a>. In diesem Kurs lernst du den Beruf des Data Engineers und die verschiedenen Werkzeuge und Techniken, die in diesem Beruf verwendet werden.\n\nWenn Du bereits Data Scientist bist und dir F\u00e4higkeiten zur Umsetzung von Machine-Learning-Modellen<\/strong> aneignen m\u00f6chtest, kannst Du Dich f\u00fcr unseren Machine-Learning-Engineer-Kurs entscheiden. Gitlab ist eines der Werkzeuge, die im Modul „Testen und Einsetzen“ dieses Kurses auf dem Programm stehen.\n\n\n
Machine Learning Engineer Ausbildung<\/a><\/div><\/div>\n\n\nDu wei\u00dft jetzt ein bisschen mehr alles \u00fcber GitLab. Lerne weitere Tools f\u00fcr Data Engineering<\/strong> und ML Engineering<\/strong> kennen, z. B. die Container-Plattform Docker<\/a> und die Workflow-Automatisierungsl\u00f6sung Apache Airflow.<\/a>","protected":false},"excerpt":{"rendered":"

GitLab ist ein Code-Hosting- und Versionsverwaltungsservice, der mit einer kompletten DevOps-Plattform gepaart ist. Hier erf\u00e4hrst du alles, was du dar\u00fcber wissen musst: Funktionsweise, Unterschiede zu GitHub, Anwendungsf\u00e4lle f\u00fcr Data Science und Machine Learning, Schulungen… In den Bereichen Data Science und Machine Learning sowie generell in der Softwareentwicklung sind Dienste zum Hosten von Code und zur […]<\/p>\n","protected":false},"author":47,"featured_media":170625,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2476],"class_list":["post-170624","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-cloud-dev"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/170624","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=170624"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/170624\/revisions"}],"predecessor-version":[{"id":217710,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/170624\/revisions\/217710"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/170625"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=170624"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=170624"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}