Temario del curso
Módulo 1: Diseño de Microservicios
• Un buen límite para el microservicio
• Uso del Diseño Dirigido por Dominio (DDD)
• Alternativas a los límites del dominio empresarial (volatilidad, datos, tecnología, organización)
• División del monolito
• Descomposición prematura
• Descomposición por capas
• Uso de patrones de descomposición (Strangler, ejecución paralela, cambio de características)
• Consideraciones sobre la descomposición de datos (rendimiento, integridad, transacciones)
Módulo 2: Optimización de Docker y el Entorno de Ejecución
• Elección de la imagen base adecuada
• Minimizar el número de capas
• Uso de compilaciones multi-etapa
• Optimización de imágenes (ordenar argumentos multilinea, etc.)
• Aprovechar la caché de compilación
• Fijar las versiones de las imágenes
• Ajuste fino de la asignación de recursos
• Prácticas seguras para contenedores
• Configuración del entorno de ejecución para el rendimiento
Módulo 3: Kubernetes y Estrategias de Liberación
Vista general de los despliegues en Kubernetes
• Creación y ejecución de un despliegue inicial
• Opciones de despliegue en Kubernetes
Ejecución de Despliegues con Actualizaciones Progresivas (Rolling Update)
• Comprensión de las actualizaciones progresivas
• Creación y ejecución de una actualización progresiva
• Reversión del despliegue
Ejecución de Despliegues Canary
• Comprensión de los despliegues canary
• Creación y ejecución de un despliegue canary
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 un CronJob
Ejecución de Tareas de Monitoreo y Resolución de Problemas
• Técnicas de resolución 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
• Observación de eventos de Kubernetes utilizando 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 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
• Definición de políticas para la selección de la última imagen
• Configuración de Flux para realizar actualizaciones automáticas de imágenes
Módulo 5: Observabilidad y Claridad sobre la Causa Raíz
Capacidades de registro de eventos (logging) y trazado en Kubernetes
• Importancia del registro de eventos y del trazado
• 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
Trazado Distribuido en Kubernetes
• ¿Qué es el trazado distribuido?
• Uso de OpenTelemetry
• Herramientas de trazado distribuido
• Instrumentación de una aplicación
• Uso del trazado para encontrar problemas de rendimiento
Monitoreo con Prometheus y Grafana
• Conceptos de observabilidad
• Herramientas de monitoreo
• Uso de instrumentación Prometheus
Casos de Uso Avanzados para Registros
• Procesamiento de registros
• Filtrado y enriquecimiento de registros
• Event Sourcing (Origen 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 el manejo de tiempo de espera de aplicaciones
• Simulación de una interrupción del servidor de 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 IA generativa para Kubernetes
• Arquitectura de la CLI K8sGPT
• Instalación de la CLI K8sGPT
• Comandos y uso de K8sGPT
• Uso de analizadores K8sGPT (podAnalyzer, pvcAnalyzer, rsAnalyzer, etc.)
• Análisis del clúster utilizando K8sGPT
• Análisis de problemas en tiempo real usando K8sGPT
• Operador in-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, despliegues y servicios).
- Conocimiento general de arquitectura de software (por ejemplo, APIs, servicios).
Público objetivo:
- Ingenieros de DevOps.
- Ingenieros de Confiabilidad del Sitio (SREs).
- Desarrolladores de Back-end / Software que trabajan con microservicios.
- Ingenieros de Cloud e Ingenieros de Plataforma.
-
Administradores de Sistemas que se están adaptando a entornos basados en 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
