Temario del curso
Módulo 1: Diseño de Microservicios
• Un buen límite para el microservicio
• Uso del Diseño Basado en Dominio (DDD)
• Alternativas a los límites del dominio empresarial (Volatilidad, Datos, Tecnología, Organizacional)
• Descomposición del monolito
• Descomposición prematura
• Descomposición por capas
• Uso de patrones de descomposición (Strangler, Ejecución Paralela, Cambio de Característica)
• Preocupaciones sobre la descomposición de datos (Rendimiento, Integridad, Transacciones)
Módulo 2: Optimización de Docker y el Tiempo de Ejecución
• Elección de la imagen base adecuada
• Minimización del número de capas
• Uso de compilaciones multi-etapa
• Optimización de imágenes (ordenar argumentos multilínea, etc.)
• Aprovechamiento de la caché de compilación
• Fijación de versiones de imágenes
• Ajuste fino de la asignación de recursos
• Prácticas seguras para contenedores
• Configuración del tiempo de ejecución para rendimiento
Módulo 3: Kubernetes y Estrategias de Despliegue
Visión General de los Desplegues en Kubernetes
• Creación y ejecución de un despliegue inicial
• Opciones de despliegue en Kubernetes
Ejecución de Despliegues Progresivos (Rolling Update)
• Comprensión del Despliegue Progresivo
• Creación y ejecución de un Despliegue Progresivo
• Reversión del despliegue
Ejecución de Despliegues Canarios
• 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 Trabajos y CronJobs
• Creación de un Trabajo y CronJob
Ejecución de Tareas de Monitoreo y Solución de Problemas
• Técnicas de solución de problemas 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
• Supervisión de Eventos de Kubernetes usando Python
• Escalado de un Despliegue usando Python
Comprensión de los Desafíos de la Automatización de Despliegues
• Configuración declarativa con Kubernetes
• Gestión de la integridad de la configuración
Uso del Enfoque GitOps para la Automatización de 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 de origen
Gestión de Actualizaciones de Aplicaciones con Automatización de Imágenes
• Actualización de un despliegue de aplicación con Flux
• Escaneo de repositorios de imágenes de contenedor en busca de etiquetas
• Definición de políticas para la selección de la última versión de imagen
• Configuración de Flux para realizar actualizaciones automáticas de imágenes
Módulo 5: Observabilidad y Claridad sobre la Causa Raíz
Capacidades de Registros y Rastreo en Kubernetes
• Importancia de los registros 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
Recopilación y Análisis de Registros
• Agregación de logs
• Visualización de logs
Rastreo Distribuido en Kubernetes
• ¿Qué es el rastreo distribuido?
• Uso de OpenTelemetry
• Herramientas de rastreo distribuido
• Instrumentación de una aplicación
• Uso 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 logs
• Filtrado y enriquecimiento de los logs
• Event Sourcing (Origen de Eventos)
Módulo 6: Simulación de Crisis en el Clúster y Respuesta a Incidentes
• Comprensión de los diferentes tipos de fallos en un entorno de clúster
• Simulación de Fallos de Nodos
• Escenario de Evicción de Pods y Agotamiento de Recursos
• Problemas de Red
• Fallos de DNS para el manejo de tiempos de espera de aplicaciones
• Simulación de una interrupción del Servidor API
• Simulación de alto tráfico para la estabilidad del sistema
• Fallo de Almacenamiento
• Errores de Configuración
• Comprensión de los procedimientos de reporte de incidentes
Módulo 7: IA para Apoyar la Solución de Problemas
• Beneficios de la IA 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 usando K8sGPT
• Análisis de problemas en tiempo real usando K8sGPT
• Operador dentro del clúster 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 conceptos de Kubernetes (pods, deployments, servicios)
- Conocimiento general de arquitectura de software (por ejemplo, APIs, servicios)
Público objetivo:
- Ingenieros DevOps
- Ingenieros de Confiabilidad del Sitio (SREs)
- Desarrolladores Backend / Software que trabajan con microservicios
- Ingenieros de Nube y 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
