Temario del curso
Módulo 1: Diseño de Microservicios
• Un buen límite para el microservicio
• Uso del Diseño Guiado por el Dominio (DDD)
• Alternativas a los límites del dominio empresarial (volatilidad, datos, tecnología, organización)
• Descomposición del monolito
• Descomposición prematura
• Descomposición por capas
• Uso de patrones de descomposición (estrategia Strangler, ejecución paralela, toggle de funcionalidades)
• Aspectos de la descomposición de datos (rendimiento, integridad, transacciones)
Módulo 2: Optimización de Docker y el Entorno de Ejecución
• Elección de la imagen base adecuada
• Minimización del número de capas
• Uso de construcciones multi-etapa
• Optimización de imágenes (ordenamiento de argumentos multilinea, etc.)
• Aprovechamiento del caché de construcción
• Fijación de versiones de las imágenes
• Ajuste fino de la asignación de recursos
• Prácticas seguras para contenedores
• Configuración del entorno de ejecución para rendimiento
Módulo 3: Kubernetes y Estrategias de Lanzamiento
Visión general de los Despliegues en Kubernetes
• Creación y ejecución de un despliegue inicial
• Opciones de despliegue en 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 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 (Jobs) y CronJobs
• Creación de un Job y CronJob
Ejecución de Tareas de Monitoreo y Diagnóstico
• 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 de la Automatización de 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 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 contenedores en busca de etiquetas (tags)
• Definición de políticas para la selección de la última imagen
• Configuración de Flux para realizar actualizaciones automáticas de imágenes
Módulo 5: Observabilidad y Claridad de la Causa Raíz
Capacidades de Registro (Logging) y Rastreo en Kubernetes
• Importancia del registro y el rastreo
• Acceso a los registros de Kubernetes
• Registros de pods y contenedores
• Registros del plano de control (Control Plane)
• Uso de recursos de nodos y pods
Recopilación 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
• Uso del rastreo para encontrar problemas de rendimiento
Monitoreo con Prometheus y Grafana
• Conceptos de observabilidad
• Herramientas de monitoreo
• Uso de la instrumentación de Prometheus
Casos de Uso Avanzados para Registros
• Procesamiento de registros
• Filtrado y enriquecimiento de los registros
• Event Sourcing (Caso de uso avanzado)
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
• Escenario de desalojo de pods y agotamiento de recursos
• Problemas de red
• Fallos de DNS para el manejo de tiempos de espera de la aplicación
• 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 Resolución de Problemas
• Beneficios de la IA generativa para Kubernetes
• Arquitectura de la interfaz de línea de comandos (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 utilizando 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, deployments, services)
- Conocimiento general de arquitectura de software (por ejemplo, APIs, servicios)
Público objetivo:
- Ingenieros DevOps
- Ingenieros de Confiabilidad del Sitio (SRE)
- Desarrolladores de Backend / Desarrolladores de Software que trabajan con microservicios
- Ingenieros de 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
