Warum Volumes in Docker wichtig sind Wer Docker nutzt, weiß: Container sind flüchtig. Sobald ein Container gelöscht oder neu erstellt wird, sind alle darin gespeicherten Daten weg – es sei denn, man nutzt Volumes. Volumes sind der Mechanismus von Docker, um Daten persistent zu speichern – also unabhängig vom Lebenszyklus eines Containers. Doch nicht alle Volumes sind gleich: Man unterscheidet zwischen Docker-verwalteten Volumes und sogenannten Bind Mounts. Docker Volume vs. Bind Mount Art Beschreibung Sichtbar im Dateisystem? Docker Volume Docker verwaltet Speicherort automatisch unter z. B. /var/lib/docker/volumes ❌ Nur über Docker sichtbar Bind Mount Du bindest ein Verzeichnis auf deinem Host in den Container ein ✅ Sichtbar im Dateisystem Beispiel: n8n Container mit Bind Mount Wenn du z. B. den Automatisierungs-Dienst n8n nutzt und möchtest, dass deine Workflows nicht verloren gehen, solltest du den Datenpfad /home/node/.n8n auf deinem NAS sichtbar machen. ...

Du nutzt Obsidian als persönlichen Wissensspeicher und möchtest YouTube-Inhalte automatisch als strukturierte und übersetzte Notizen speichern – mit nur einem Terminal-Befehl? Dann ist dieses Setup genau das Richtige für dich. In dieser Anleitung zeige ich dir, wie du das Open-Source-Tool Fabric nutzt, um Inhalte aus YouTube-Videos zu extrahieren, ins Deutsche zu übersetzen und direkt als Markdown-Datei in deinem Obsidian Vault zu speichern. Das Ganze basiert auf einem Alias in .zshrc, funktioniert aber auch mit jeder anderen Shell. ...

Einleitung Synology NAS-Geräte sind nicht nur hervorragend für Backups und Datenspeicherung geeignet, sondern dienen auch als leistungsstarke Webserver und Plattformen für Docker-Container. Dank des Dauerbetriebs rund um die Uhr können sowohl dein NAS als auch die Container ständig verfügbar bleiben. Die Vielzahl an verfügbaren Containern macht die Auswahl jedoch nicht leicht. In diesem Artikel stelle ich dir die Container vor, die ich am häufigsten nutze – darunter Tools für Werbeblockierung, papierloses Büro, Heimautomatisierung und eigene Python-Skripte. ...

In der heutigen Zeit ist Energieeffizienz wichtiger denn je. Mit dem Aufkommen von Smart-Home-Geräten wird das Überwachen und Steuern des Energieverbrauchs einfacher und effizienter. In diesem Blogbeitrag zeige ich, wie sich Tapo-Geräte für das Energiemonitoring und die Verbrauchsprognose einsetzen lassen – unter Verwendung von Python, InfluxDB und Grafana zur Visualisierung und für Benachrichtigungen. Ressourcen Zum Einstieg kannst du die Github Python API für Tapo verwenden. Diese API ermöglicht es, mit Python auf Daten deiner Tapo-Geräte zuzugreifen – ein leistungsstarkes Werkzeug für das Energiemonitoring. ...

In der heutigen digitalen Welt ist das Deployment von Anwendungen entscheidend für den Projekterfolg. FastAPI hat sich als leistungsstarkes Framework für die Entwicklung von APIs etabliert. In diesem Artikel erläutere ich die Vorteile und Schritte für das Deployment einer Anwendung mit FastAPI. Außerdem zeige ich, warum sich FastAPI besonders gut für das Deployment von Machine-Learning-(ML)-Modellen eignet. Vorteile von FastAPI Die Nutzung von FastAPI bietet zahlreiche Vorteile: Maximale Flexibilität: FastAPI ermöglicht eine einfache Anpassung und Erweiterung der API. Bessere Performance: Im Vergleich zu Lambda-Funktionen entfällt der Cold Start, was die Reaktionszeit verbessert. Swagger-Dokumentation: FastAPI generiert automatisch eine Swagger-Dokumentation für die Endpunkte (z. B. /health, /predict1, /predict2 usw.). Geringere Kosten: Es wird kein Sagemaker-Endpunkt benötigt, was die Kosten reduziert. Besseres Monitoring: Alle Endpunkte können im ECS-Cluster überwacht werden. Sicherheitsniveau: HTTPS und x-api-key bieten ein vergleichbares Sicherheitsniveau. Eigene Domain: Die Anwendung kann unter einer eigenen, informationsreichen Domain betrieben werden. Warum FastAPI für ML-Modelle? FastAPI eignet sich besonders gut für das Deployment von Machine-Learning-Modellen aus mehreren Gründen: ...