redactie
We zijn eindelijk aangekomen bij het derde en laatste deel van deze boeiende blogreeks. Hoewel sommigen misschien verdrietig zijn over het verlies van de extra slaap die ze hebben gekregen door dit te lezen (mijn proza is meestal een geweldige remedie tegen slapeloosheid), zullen we in deze blog de glanzende nieuwe specialisatie en DCNAUTO-technologieën bespreken die mij nauw aan het hart liggen. Naast de blog over AUTOCOR en ENAUTO 2.0 hoop ik dat dit kan helpen de reden en bedoeling van de grote herwerking van examenonderwerpen te verduidelijken om je te helpen bij je studie.
Het oorspronkelijke DCAUTO-examen had de “kortste” lijst met examenonderwerpen (uitsluitend gebaseerd op mijn onwetenschappelijke analyse van de hoeveelheid tekst op een pdf), maar dat betekent niet dat het examen gemakkelijk was. Het omvatte een breed scala aan technologieën met uiteenlopende terminologieën en omvatte verschillende (doorgaans) afzonderlijke teams (server-/computerteams zijn meestal gescheiden van datacenternetwerkteams).
Maar zelfs als u deel uitmaakt van een organisatie met ACI en UCS, werkt u meestal alleen met de ene of de andere technologie, en niet met beide. Deze complicatie werd alleen maar verergerd door het feit dat de Unified Computing System (UCS) managerplatformemulator (UCSM-PE) niet kon worden verbonden met Cisco Intersight; slechts enkele builds die alleen beschikbaar zijn voor speciale teams zoals Cisco DevNet voor hun Sandbox kunnen dit doen.
Dit leidde tot een belangrijke interne beslissing: hoe kunnen we een automatiseringscertificering bieden die zich richt op het datacenter, de netwerktechnologie omvat die vandaag de dag beschikbaar is, platforms en apparaten omvat, en de evoluerende realiteit in het datacenter dekt (zoals Kubernetes en containers)? We moesten een aantal moeilijke keuzes maken, maar het resultaat is DCNAUTO 2.0 (let op de “N” voor netwerken)
Op basis van deze afbeelding kun je zien dat een groot deel van het originele ontwerp op de een of andere manier is verwijderd/aangepast (de gemarkeerde secties). In sommige gevallen zijn argumenten verwijderd, zoals in ENCOR 2.0; onderwerpen zoals Git, kern-API’s of virtuele Python-omgevingen zijn verwijderd omdat deze (a) worden verondersteld kennis te zijn (b) worden behandeld in het hoofdexamen of (c) kunnen worden vervangen door andere technologieën die mogelijk beter werken met grotere workflows (ontwikkeling binnen een container met toegewezen volumes kan bijvoorbeeld virtuele omgevingen binnen Python vervangen).
Binnen het 2.0-domein hebben we veel van de specifieke API- en SDK-taken verwijderd omdat deze betrekking hebben op ACI. Hoewel deze twee automatiseringsmethoden nog steeds geldig zijn, was een groot deel van de ontwikkelings- en integratie-inspanningen binnen het datacenter gericht op Infrastructure as Code (IaC)-tools. Het kunnen automatiseren van platforms en technologieën met tools die platformonafhankelijke ondersteuning bieden, is belangrijk omdat deze datacenters steeds heterogener worden. Het wordt dus een cruciale vaardigheid om te begrijpen hoe u deze tools binnen uw netwerkinfrastructuur kunt gebruiken.
Het 3.0-domein heeft een klein aantal veranderingen ondergaan, vooral gericht op het verfijnen en verminderen van onnodige methoden van apparaatgerichte automatisering en app-hosting. Hoewel deze mogelijkheden nog steeds zijn geïntegreerd in ons brede portfolio van datacenter-switchingoplossingen, hebben we geprobeerd ons te concentreren op de meest voorkomende gebruiksscenario’s en technologieën. Vergeet niet dat het doel van de nieuwe ontwerpen is om gemak en toepasbaarheid bij examens te creëren, dus moesten we enkele van de esoterische of minder gebruikte functies en functionaliteit elimineren.
JA.
Ik kan me voorstellen dat je hiervoor ook een reden zoekt. Geloof me, het was geen gemakkelijke beslissing. We gingen heen en weer over dit onderwerp en er waren sterke argumenten van beide kanten, maar uiteindelijk zijn computer- en serverteams vaker wel dan niet compleet anders dan netwerkinfrastructuurteams, en de professionals binnen deze teams hadden heel verschillende vaardigheden, waardoor cross-over veel moeilijker werd.
In plaats van de diepgang van de test (en de praktische toepassingen die daarmee gepaard gaan) te verzwakken om een grotere breedte te ondersteunen, hebben we besloten om de computerautomatisering volledig achterwege te laten. Ik hoor al opgeluchte zuchten van mensen op het gebied van netwerkautomatisering, maar ik weet dat er mensen zijn die de opname van Intersight en de UCSM API’s zullen missen (waaronder mijn voormalige tegenhanger Compute Developer Advocate).
Binnen het datacenter bevinden zich enkele sleuteltechnologieën waarop we ons willen concentreren. Raadpleeg, net als bij AUTOCOR en ENAUTO 2.0, de bovenste paragraaf van de lijst met examenonderwerpen om inzicht te krijgen in de betrokken platforms. Deze platforms zouden geen verrassing moeten zijn, maar het is wel nuttig om je studies in een context te plaatsen.
Het datacenter moet:
Weerbaar
Multi-verkoper
Zelfs multicloud
Dit betekent dat click-ops of individuele automatiseringen voor verschillende platforms niet altijd worden geaccepteerd. De verbindende factor in dit alles is zoiets als Ansible of Terraform, waarbij de syntaxis op alle platforms en clouds hetzelfde is en het enige verschil de gebruikte modules/collecties of providers zijn.
Het DCNAUTO-examen weerspiegelt dit, aangezien 25% van het examen binnen het IaC-domein valt. Hiervoor moet u bekend zijn met de tools en besturingsfuncties, evenals met de platforms waarop het project betrekking heeft.
Gezien de omvang en reikwijdte van moderne datacenternetwerken worden vaak platforms gebruikt om de faciliteit te beheren. Er kunnen echter specifieke netwerkautomatiserings- of day-0-provisioningoplossingen zijn die een ‘box-by-box’-proces opleggen. Om deze reden hebben we specifieke examenonderwerpen opgenomen om de kennis van de student over deze automatiseringstaken van het “netwerkelement” in Domein 3 te valideren.
In termen van programmeerbaarheid van specifieke netwerkelementen hebben we het volgende opgenomen:
NETCONF-ondersteuning, omdat YANG-modellen zoals OpenConfig worden gebruikt in grote datacenters van meerdere leveranciers of op webschaal, omdat het de configuratie op verschillende apparaten normaliseert
Bekendheid met NETCONF en ncclient, die kunnen worden gebruikt om XML-gestructureerde payloads aan een apparaat te leveren via code geschreven in Python
Begrijp de onmiddellijke inrichting van een apparaat zonder het gebruik van een controller en de programmeermethoden die beschikbaar zijn binnen het Nexus-platform
Kennis van NXAPI en de stroom van het maken van op maat gemaakte sjablonen (die vervolgens als beleid kunnen worden toegepast) binnen Nexus Dashboard maken het domein compleet
Een van de meest opvallende veranderingen (van alle nieuwe CCNP-Automation-examens) was de focus op de operationele aspecten van een automatiseringsoplossing. Wat heeft het immers voor zin om een verandering door te voeren zonder de impact ervan op het netwerk te begrijpen? Binnen het datacenter is dit niet anders, en sommigen beweren van wel Bovendien belangrijk; datacenters zijn nauwkeurig afgestemde hulpmiddelen om gegevens zeer snel van de ene plaats naar de andere te verplaatsen. Als het niet werkt, kost het doorgaans grote sommen geld.
In dit examen hebben we de onderwerpen niet zozeer “verwijderd”, maar wel qua complexiteit. Het oorspronkelijke DCAUTO-examen bevatte elementen die betrekking hadden op modelgebaseerde telemetrie en het begrijpen van data-abonnementen, inclusief protocollen van de volgende generatie zoals gNMI en gRPC. We nemen ook digitale tweelingen en pyATS-validatie op, zoals we bij andere examens hebben gedaan. Niet te vergeten, we behandelen ook de mogelijkheid om gezondheidsinformatie via Python op apparaten op te halen.
Ten slotte hebben we ook de vereiste aan toegevoegd problemen oplossen pakketstromen van op Linux gebaseerde hosts waarop containers draaien. We weten allemaal dat containers de nieuwe VM’s zijn, maar de hosts die deze containers draaien, gebruiken niet dezelfde tools en terminologie als een Type 1-hypervisor; we moeten begrijpen hoe Linux-netwerken werken en hoe het is geconfigureerd.
Dit omvat onder meer de manier waarop interfaces, subinterfaces en aangesloten interfaces worden gemaakt, evenals de manier waarop standaardbruggen worden gedefinieerd, en de relatie tussen virtuele Ethernet-interfaces (veth) op hostniveau en interfaces die binnen de containerruntime zijn gedefinieerd. Deze vaardigheden zijn niet langer optioneel, en we vonden het belangrijk om ze goed genoeg te begrijpen om ze te repareren als ze kapot gaan.
Net als de rest van de automatiseringsvakspecialisaties moest een deel van de AI in de lijst met examenonderwerpen worden opgenomen; Er wordt overal over gesproken en bij onze certificeringen zou dat niet anders moeten zijn.
Het begrijpen van de veiligheidsimplicaties van het gebruik van AI binnen het datacenter is belangrijk om de enorme hoeveelheid en waarde van die gegevens te beschermen. In dit geval kunnen er onbedoelde gevolgen zijn voor de blootstelling aan gegevens en als exfiltratievector.
Naarmate agent-AI mainstream wordt, is het een basisbandtaak om te begrijpen hoe deze agenten verbinding maken met verschillende platforms, apparaten en controllers; iets wat iedereen zou moeten begrijpen.
Nu automatisering en orkestratie binnen het datacenter steeds meer voorkomen, zal het beschrijven en begrijpen van hoe generatieve AI kan worden gebruikt om het prototypen en itereren van netwerkautomatiseringsoplossingen te versnellen, niet langer een optionele vaardigheid zijn. Het zou gevalideerd moeten worden voor elke automatiseringsprofessional.
Ik hoop dat je via deze blog, en de vorige over AUTOCOR en ENAUTO 2.0, iets meer kennis hebt gekregen over de certificering en specifieke examens (zowel basis als concentratie). Dit heeft niet alleen te maken met de examens en onderwerpen zelf, maar ook met de verandering in de mentaliteit en de andere aanpak bij het opstellen van de lijst met examenonderwerpen, van software-ingenieurs die ‘netwerk’ leren naar netwerkingenieurs die ‘automatisering’ leren. Het lijkt subtiel, maar het resultaat kan heel anders zijn. Vanwege dit verschil hopen we dat u zult merken dat de nieuwe examens veel effectiever aansluiten bij uw automatiseringswerk.
Zoals altijd: veel leerplezier! Als u vragen heeft, kunt u contact met mij opnemen via X (@qsnyder) of via de message boards van Cisco Learning Network.
Vanaf 3 februari 2026 zal de 300-635 DCNAUTO het examen wordt bijgewerkt naar versie 2.0 en hernoemd naar “Automating Cisco Data Center Network Solutions v2.0”.
Download de examenonderwerpen
Meld u aan voor Cisco U. | Sluit u vandaag nog gratis aan bij het Cisco Learning Network.
Leer met Cisco
X| Discussies | Facebook | LinkedIn | Instagram| YouTube
Gebruik #CiscoU EN#CiscoCertom deel te nemen aan het gesprek.
BRON
