หลักสูตร API Gateway with Kong เป็นการอบรมการบริหาร API Gateway ด้วย Kong ตั้งแต่ Routing การยืนยันตัวตนด้วย JWT และ OIDC Rate Limiting และ Config as Code ด้วย decK จนถึง Observability และ Gateway API บน Kubernetes เหมาะกับนักพัฒนา Backend ทีม DevOps และ Architect ที่ต้องเปิด API ให้พันธมิตร
เมื่อองค์กรมี API มากขึ้นจากทั้งระบบภายใน Mobile App และการเปิดให้พันธมิตรเชื่อมต่อ แต่ละ Service มักต้องเขียนเรื่องการยืนยันตัวตน การจำกัดปริมาณการใช้งาน การเก็บ Log และการแปลงข้อมูลซ้ำกันเอง มาตรฐานจึงไม่สม่ำเสมอและคุมความปลอดภัยได้ยาก ปัจจุบันยังมีโจทย์ใหม่คือการควบคุมการเรียกใช้ LLM และ AI Agent ผ่านจุดเดียวเพื่อดูแลต้นทุนและความปลอดภัยของข้อมูล API Gateway คือคำตอบของปัญหาเหล่านี้ หากออกแบบและดูแลอย่างถูกวิธี
หลักสูตรนี้พาผู้เรียนเข้าใจบทบาทของ API Gateway เปรียบเทียบผลิตภัณฑ์หลักในตลาด แล้วลงมือทำจริงด้วย Kong Gateway รุ่น Open Source ตั้งแต่ Service, Route และ Load Balancing การยืนยันตัวตนด้วย Key, JWT และ OIDC ผ่าน Keycloak การทำ Rate Limiting, Transformation และ Caching การจัดการ Config แบบ Declarative ด้วย decK ไปจนถึง Observability ด้วย Prometheus และ OpenTelemetry การนำ Gateway ขึ้น Kubernetes ตามมาตรฐาน Gateway API และภาพรวมของ AI Gateway ทั้งหมดต่อยอดบนโปรเจกต์ MetroLink Partner API Platform ชุดเดียวตลอดหลักสูตร (อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง ระดับ Intermediate)
รายละเอียดหลักสูตร
หลักสูตรนี้เน้นหลักการของ API Gateway ที่ใช้ได้กับทุกผลิตภัณฑ์ และลงมือทำจริงด้วย Kong Gateway รุ่น Open Source อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง (09:00-16:00 น.) รูปแบบ Workshop ต่อเนื่องบนโปรเจกต์ MetroLink Partner API Platform ซึ่งเป็นบริษัทขนส่งสมมติที่ใช้ข้อมูลจำลองทั้งหมด ระดับ Intermediate ทุก Lab รันบนโน้ตบุ๊กของผู้เรียนด้วย Docker และ kind โดยไม่ต้องมี License ส่วนความสามารถเฉพาะรุ่น Enterprise เช่น
OpenID Connect Plugin และ Kong AI Gateway เต็มรูปแบบ สอนในระดับภาพรวมและสาธิต หลักสูตรนี้ต่างจาก Enterprise GenAI Gateway and Private AI Platform ที่เจาะเฉพาะ Gateway สำหรับงาน GenAI และต่อยอดได้ดีกับ Observability with Prometheus and Grafana และ Kubernetes (K8s) Orchestration หัวข้อ Service Mesh, การเขียน Custom Plugin ด้วย Lua และ Developer Portal อยู่นอกขอบเขต ผู้เรียนจะได้ Lab Guide ไฟล์ docker-compose ไฟล์ Config ของ decK และ Manifest ของ Gateway API กลับไปใช้ต่อ
Section 1: บทบาทของ API Gateway ในสถาปัตยกรรมสมัยใหม่
Section 2: เลือก API Gateway ให้เหมาะกับองค์กร
Section 3: Lab: สถาปัตยกรรมและการติดตั้ง Kong Gateway
Section 4: Lab: Service และ Route
Section 5: Lab: Upstream, Load Balancing และ Health Check
Section 6: Lab: Consumer, Key Auth และ ACL
Section 7: Lab: JWT และ OIDC กับ Keycloak
Section 8: การป้องกันระดับเครือข่ายและ Rate Limiting
Section 9: Lab: Transformation และ Caching
Section 10: Lab: Declarative Config ด้วย decK
Section 11: Lab: Observability ของ API Gateway
Section 12: Kubernetes และ Gateway API
Section 13: Lab: Kong บน Kubernetes
Section 14: AI Gateway สำหรับควบคุมการเรียกใช้ LLM
Section 15: Production Readiness และ Master Workshop
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
Enterprise GenAI Gateway and Private AI Platform เจาะการสร้าง Gateway และแพลตฟอร์มสำหรับงาน GenAI โดยเฉพาะ ส่วนหลักสูตรนี้เป็น API Gateway สำหรับ API ทั่วไปขององค์กร ตั้งแต่ Routing, Authentication, Rate Limiting, Caching, Config as Code, Observability และ Kubernetes โดยมีเรื่อง AI Gateway เป็นหัวข้อปิดท้ายในระดับภาพรวม ผู้ที่ต้องการต่อยอดเรื่อง Monitoring หรือ Kubernetes สามารถเรียน Observability with Prometheus and Grafana และ Kubernetes (K8s) Orchestration ต่อได้
ไม่ต้อง Lab ทั้งหมดใช้ Kong Gateway รุ่น Open Source จาก Docker Image ทางการ ซึ่งใช้งานได้โดยไม่ต้องมี License ส่วนความสามารถเฉพาะรุ่น Enterprise เช่น OpenID Connect Plugin และ Kong AI Gateway เต็มรูปแบบ ผู้สอนจะอธิบายและสาธิตให้เห็นภาพ เพื่อให้ผู้เรียนตัดสินใจได้ว่าองค์กรจำเป็นต้องใช้รุ่น Enterprise หรือไม่
ได้ประโยชน์ เพราะหลักสูตรเน้นหลักการที่ใช้ได้กับทุก Gateway เช่น การแบ่งหน้าที่ระหว่าง Gateway กับ Service การยืนยันตัวตน การจำกัดปริมาณ Config as Code และ Observability และมีช่วงเปรียบเทียบ Kong, Apache APISIX, Traefik, Envoy Gateway และ Cloud API Gateway เพื่อให้นำแนวคิดไปปรับกับผลิตภัณฑ์ที่องค์กรใช้อยู่ได้
ได้ หลักสูตรปูพื้น Kubernetes ที่จำเป็นต่อ Lab ไว้ในวันที่สาม ทั้ง Pod, Deployment, Service และ Namespace และใช้ kind สร้าง Cluster บนโน้ตบุ๊กของผู้เรียนเอง จึงไม่ต้องมี Cluster มาก่อน แต่ควรใช้ Docker และ Docker Compose ได้คล่องตามพื้นฐานที่กำหนด
ผู้เรียนใช้โน้ตบุ๊กของตนเองที่มี RAM อย่างน้อย 16 GB และพื้นที่ว่างประมาณ 30 GB ติดตั้ง Docker Desktop (Windows ใช้ WSL2) หรือ Docker Engine, Git, VS Code และเครื่องมือทดสอบ API อย่าง Bruno หรือ Postman ส่วน kubectl, Helm และ kind จะแนะนำการติดตั้งในคลาส ควรมีสิทธิ์ติดตั้งโปรแกรมและดาวน์โหลด Docker Image ผ่านเครือข่ายได้
ไม่จำเป็น Lab ใช้โมเดลขนาดเล็กที่รันบนเครื่องผ่าน Ollama ร่วมกับปลั๊กอินกลุ่ม AI ของ Apache APISIX หากต้องการทดลองกับผู้ให้บริการ LLM บน Cloud ผู้เรียนใช้บัญชีและ API Key ของตนเองซึ่งอาจมีค่าใช้จ่ายตามการใช้งาน
เมื่อพนักงานทุกแผนกเริ่มใช้ AI องค์กรมักเจอปัญหาเดียวกัน แต่ละทีมสมัครบริการคนละเจ้า ถือ API Key กันเอง ไม่มีใครรู้ว่าค่าใช้จ่ายรวมเท่าไร ข้อมูลลูกค้าหรือเอกสารลับอาจถูกส่งออกไปโดยไม่ตั้งใจ และเมื่อเกิดเหตุก็ไม่มี Log ให้ตรวจย้อนหลัง การห้ามใช้ไม่ได้ผล…
เมื่อระบบล่มหรือช้า คำถามแรกคือรู้ได้อย่างไรและรู้เร็วแค่ไหน องค์กรจำนวนมากยังรู้ปัญหาจากการที่ลูกค้าโทรมาแจ้ง ไม่ใช่จากระบบเฝ้าระวังของตนเอง Prometheus และ Grafana เป็นชุดเครื่องมือมาตรฐานแบบโอเพนซอร์สที่ทีม DevOps และ SRE ทั่วโลกใช้เก็บ Metric แสดงผลเป็น…
Kubernetes เป็นแพลตฟอร์มมาตรฐานสำหรับรันแอปพลิเคชันแบบ Container ทั้งบน Cloud และในศูนย์ข้อมูลขององค์กร ช่วยให้ระบบกู้ตัวเองเมื่อมีปัญหา ขยายตามปริมาณงาน และอัปเดตเวอร์ชันได้โดยไม่ต้องหยุดบริการ แต่ตัวอย่างจำนวนมากที่พบทั่วไปยังใช้ Ingress NGINX…
