Ми розглянемо роль Kubernetes у сучасному проєктуванні ПЗ та ознайомимося з його архітектурою.

Сучасна програмна архітектура, контейнеризація та Kubernetes

Використання «kubectl»

Версія Kubernetes

Контейнеризовані застосунки

Docker і Kubernetes

Використання першого маніфесту

Docker vs Kubernetes

Архітектура Kubernetes

Інфраструктура Kubernetes

Чи знаєте ви архітектуру Kubernetes?

Вступ до Kubernetes (K8s)

Ми навчимося розгортати ПЗ за допомогою Kubernetes і активно використовуватимемо «kubectl». 

Розгортання першого (безстанового) застосунку

Stateless‑додатки в Kubernetes

Розгортання Kubernetes

Масштабування та моніторинг застосунку

Розгортання та підтримка ПЗ у Kubernetes

Масштабування та моніторинг Deployment

Розгортання, масштабування та моніторинг станового застосунку

Розгортання й масштабування станних застосунків 1

Розгортання й масштабування стано-залежних застосунків 2

Stateful‑застосунки в Kubernetes

Розгортання, масштабування та моніторинг сховища Kubernetes

Що ви знаєте про Kubernetes Storage?

Pod-и з під'єднаним сховищем

Моніторинг Pod-ів і сховища

StatefulSet з під'єднаним сховищем

Розгортання ПЗ на K8s

Спираючись на вивчене в попередніх розділах, ми з'ясуємо, як Kubernetes підтримує конвеєри обробки даних і MLOps.

Мережі, балансування навантаження та безпека

Варіанти

Істина

Хибність

Мережа, балансування навантаження та Ingress у Kubernetes

Створення Service

Розгорніть Service

Конвеєри даних на Kubernetes

Хиба

Конвеєри даних ETL та ELT

Розгорніть конвеєр ETL у Kubernetes

MLOps на Kubernetes

MLOps з Kubernetes

Робочий процес MLOps

Підсумок

Інженерія даних і MLOps

Kubernetes — це рішення для ефективної оркестрації та підтримки контейнеризованих застосунків. Відтоді як Google представив його у 2014 році, ця система з відкритим кодом стала інструментом №1 для керування різними розподіленими навантаженнями. Це важлива частина сучасного світу DevOps, яка допомагає розробляти та розгортати масштабовані застосунки й будь-які робочі процеси.

У цьому інтерактивному курсі ви опануєте Kubernetes на практиці, працюючи з ним у командному рядку. Ви опanuєте kubectl — інструмент командного рядка Kubernetes — і використовуватимете його для взаємодії зі справжніми кластерами Kubernetes. Ви вивчите основи Kubernetes і зрозумієте, як розгортати та оркеструвати контейнери за допомогою маніфестів і команд kubectl.

Kubernetes — це рішення, яке ефективно оркеструє та підтримує контейнеризовані застосунки. Від моменту свого впровадження у 2014 році компанією Google ця система з відкритим кодом перетворилася на інструмент вибору для керування всіма видами розподілених навантажень. Це невід’ємна частина сучасного світу DevOps, що допомагає розробляти та розгортати масштабовані застосунки й робочі процеси будь-якого типу.

У цьому курсі ви станете майстром Kubernetes, отримавши практичний досвід роботи з Kubernetes у командному рядку. Ви опануєте kubectl, інструмент командного рядка Kubernetes, і використовуватимете його для взаємодії з реальними кластерами Kubernetes. Ви вивчите основи Kubernetes і зрозумієте, як розгортати та оркеструвати контейнери за допомогою маніфестів і команд kubectl.

Після ознайомлення з Kubernetes та його зв’язком із сучасними
архітектура програмного забезпечення та хмарна нативність, ви вивчите свої перші об’єкти Kubernetes і навчитеся застосовувати їх як професіонал.

У міру просування ви дізнаєтеся про більш просунуті концепції, такі як stateful applications, storage та networking. Підсумовуючи, ви застосуєте ці концепції в зразковому робочому процесі MLOps.

Introduction to Docker

На цьому курсі ви вивчите основи Kubernetes та розгортання контейнерів за допомогою Manifests і kubectl.

Вступ до Kubernetes

У цьому курсі ви опануєте основи Kubernetes і розгортатимете та оркеструватимете контейнери за допомогою маніфестів і команд kubectl.

Контейнеризація та віртуалізація з Docker і Kubernetes

Професійний інженер даних в Python

MLOps — це набір найкращих практик для розгортання та підтримки ML‑моделей, які можна легко реалізувати за допомогою об'єктів, що надає Kubernetes. 

MLOps спирається на ізольовані експериментальні «майданчики» для тестування моделей. Kubernetes підтримує це за допомогою таких об'єктів, як Pods і Persistent Storage.

Перевага Kubernetes для побудови масштабованих систем — відтворюваність завдяки використанню Pods, Deployments, StatefulSets і сховищ Kubernetes. 

Kubeflow, відомий фреймворк для MLOps, — це система, що покриває лише деякі частини життєвого циклу ML.

Kubernetes — чудовий інструмент для MLOps, адже він автоматично збиратиме та пакуватиме ваші ML‑робочі процеси.

MLOps з Kubernetes

Вступ до Kubernetes

Практична інтерактивна вправа