Temario del curso
Módulo 1: Diseño de Microservicios
• Un buen límite para el microservicio
• Uso del Diseño Dirigido por el Dominio (DDD)
• Alternativas a los límites del dominio empresarial (Volatilidad, Datos, Tecnología, Organizacional)
• Descomposición del monolito
• Descomposición prematura
• Descomposición por capa
• Uso de patrones de descomposición (Strangler, ejecución paralela, conmutación de características)
• Consideraciones sobre la descomposición de datos (Rendimiento, Integridad, Transacciones)
Módulo 2: Optimización de Docker y el Entorno de Ejecución
• Selección de la imagen base adecuada
• Minimización del número de capas
• Uso de compilaciones multietapa (multi-stage builds)
• Optimización de imágenes (agrupamiento de argumentos multilínea, etc.)
‥ Aprovechamiento de la caché de compilación
• Fijación de versiones de las imágenes
• Afinado fino de la asignación de recursos
• Prácticas seguras para contenedores
• Configuración del tiempo de ejecución para rendimiento
Módulo 3: Kubernetes y Estrategias de Liberación
Visión general de los Despliegues en Kubernetes
• Creación y ejecución de un despliegue inicial
• Opciones de despliegue de Kubernetes
Ejecución de Actualizaciones Progresivas (Rolling Updates)
• Comprensión de las actualizaciones progresivas
• Creación y ejecución de una actualización progresiva
• Reversión del despliegue
Ejecución de Despliegues Canario
• Comprensión de los despliegues canarios
• Creación y ejecución de un despliegue canario
Ejecución de Despliegues Azul-Verde
• Comprensión de los despliegues azul-verde
• Creación y ejecución de un despliegue azul-verde
Ejecución de Tareas y CronJobs
• Creación de una tarea (Job) y un CronJob
Realización de Tareas de Monitoreo y Resolución de Problemas
• Técnicas de diagnóstico con kubectl
Módulo 4: Automatización y Eficiencia Operativa
Uso de Python para automatizar tareas comunes en Kubernetes
• Uso de Python para realizar operaciones administrativas en Kubernetes
• Uso de Python para definir objetos de configuración
• Uso de Python para crear objetos de despliegue
• Observación de eventos de Kubernetes mediante Python
• Escalado de un despliegue utilizando Python
Comprensión de los Desafíos al Automatizar Despliegues
• Configuración declarativa con Kubernetes
• Gestión de la integridad de la configuración
Uso del Enfoque GitOps para Automatizar Despliegues
• Principios de GitOps
• Introducción a Flux
• Instalación de Flux en un clúster de Kubernetes
Configuración de Flux para Despliegues Automatizados
• Uso de notificaciones
• Estructura del repositorio origen
Gestión de Actualizaciones de Aplicaciones con Automatización de Imágenes
• Actualización de un despliegue de aplicación con Flux
• Análisis de repositorios de imágenes de contenedor en busca de etiquetas (tags)
• Definición de políticas para la selección de la imagen más reciente
• Configuración de Flux para realizar actualizaciones automáticas de imágenes
Módulo 5: Observabilidad y Claridad en la Causa Raíz
Capacidades de Registro y Rastreo en Kubernetes
• Importancia del registro (logging) y el rastreo
• Acceso a los registros de Kubernetes
• Registros de Pods y Contenedores
• Registros del Plano de Control
• Uso de recursos de Nodos y Pods
Recolección y Análisis de Registros
• Agregación de registros
• Visualización de registros
Rastreo Distribuido en Kubernetes
• ¿Qué es el rastreo distribuido?
• Uso de OpenTelemetry
• Herramientas de rastreo distribuido
• Instrumentación de una aplicación
• Utilización del rastreo para encontrar problemas de rendimiento
Monitoreo con Prometheus y Grafana
• Conceptos de observabilidad
• Herramientas de monitoreo
• Uso de instrumentación de Prometheus
Casos de Uso Avanzados para Registros
• Procesamiento de registros
• Filtrado y enriquecimiento de registros
• Event Sourcing (Registro de Eventos)
Módulo 6: Simulación de Crisis del Clúster y Respuesta a Incidentes
• Comprensión de los diferentes tipos de fallos en un entorno de clúster
• Simulación de fallos de nodos
• Evicción de Pods y escenario de agotamiento de recursos
• Problemas de red
• Fallos de DNS para la gestión del tiempo de espera de la aplicación
• Simulación de una caída del servidor API
• Simulación de alto tráfico para la estabilidad del sistema
• Fallos de almacenamiento
• Errores de configuración
• Comprensión de los procedimientos de reporte de incidentes
Módulo 7: IA para Apoyar la Resolución de Problemas
• Beneficios de la Inteligencia Artificial Generativa para Kubernetes
• Arquitectura de la CLI de K8sGPT
• Instalación de la CLI de K8sGPT
• Comandos y uso de K8sGPT
• Uso de analizadores de K8sGPT (podAnalyzer, pvcAnalyzer, rsAnalyzer, etc.)
• Análisis del clúster utilizando K8sGPT
• Análisis de problemas en tiempo real mediante K8sGPT
• Operador in-cluster para K8sGPT
Requerimientos
- Conocimientos básicos de la línea de comandos de Linux
- Experiencia en desarrollo de aplicaciones o administración de sistemas
- Familiaridad con contenedores (conceptos de Docker)
- Comprensión básica de los conceptos de Kubernetes (pods, despliegues, servicios)
- Conocimiento general de arquitectura de software (por ejemplo, APIs, servicios)
Público objetivo:
- Ingenieros DevOps
- Ingenieros de Confiabilidad del Sitio (SREs)
- Desarrolladores Backend / de Software que trabajan con microservicios
- Ingenieros de la Nube e Ingenieros de Plataforma
-
Administradores de Sistemas que transicionan hacia entornos de Kubernetes
Reseñas (2)
El conocimiento y experiencia del consultor ya que se abordan los temas teóricos aplicándolos a la realidad de los procesos. El curso contiene un programa de mucho valor en la gestión de las tecnologías de información.
Luis Castro Gamboa - Cooperativa De Ahorro Y Credito Ande No. 1 R.L.
Curso - Site Reliability Engineering (SRE) Foundation®
Que fue muy claro en cada especificación
