5インフラと自動化

• 5.1モデル駆動プログラマビリティとIaC

  手作業のCLI設定からInfrastructure as Code（IaC）へ移る価値、宣言的・冪等性・バージョン管理というIaC原則、そして各機器を直接操作するデバイスレベル自動化とコントローラのインテントを介すコントローラレベル自動化の使い分けを、「この運用課題にはどちらの層で自動化すべきか」という判断として学びます。

• 5.2テスト・CI/CDと自動化ツール

  ネットワーク変更を安全に流すためのCI/CDパイプライン（lint→テスト→デプロイ）、仮想環境で試すCisco Modeling Labs（CML）と状態を検証するpyATS、そしてAnsible（エージェントレス・冪等）・Terraform（宣言的・状態管理）・Cisco NSO（マルチベンダ・サービスモデル）の得意分野を、「このパイプライン段は何を守っているか」「この要件にはどのツールか」という判断として学びます。

• 5.3自動化ワークフローの読解

  提示されたPython（requests/SDK）スクリプト・Ansible playbook・bashスクリプトが「何を・どの機器に・どのように自動化するか」を読み解く力を養います。hosts/tasks/モジュール/ループ/backup/when条件などから冪等な設定配布か・情報収集か・バックアップかを判断し、危険な操作（無条件のsave/reload）を見抜けるようにします。

• 5.4応答とモデルの解釈

  RESTCONF/NETCONFの応答（JSON/XML・<ok/>・rpc-reply）と、それらの土台となるYANGデータモデル（container/list/leafの階層）、そして変更差分を表すunified diff（@@ハンク・+/-行）を読み解き、「この応答は成功か失敗か」「このモデルのどこが何を表すか」「この差分は結局何を変えるか」を判断できるようにします。

• 5.5コードレビューとシーケンス図の解釈

  自動化コードを安全に育てるコードレビューの原則（小さなPR・可読性/正しさ/セキュリティ重視・知識共有）とその利点、そしてシーケンス図（アクター/ライフライン・要求と応答の矢印・時間は上から下）からAPI呼び出しの順序と依存（トークン取得→GET→429→再試行など）を読み解く力を養います。