Temario del curso
Módulo 1: Diseño de Microservicios
• Un límite adecuado para el microservicio
• Uso del Diseño Guiado por el Dominio (DDD)
• Alternativas a los límites del dominio empresarial (volatilidad, datos, tecnología, organización)
• División del monolito
• Descomposición prematura
• Descomposición por capa
• Uso de patrones de descomposición (Estrangulador, Ejecución paralela, Interrupción de características / Feature Toggles)
• Consideraciones de la descomposición de datos (rendimiento, integridad, transacciones)
Módulo 2: Optimización de Docker y el Entorno de Ejecución (Runtime)
• Elección de la imagen base adecuada
• Minimización del número de capas
• Uso de construcciones multi-etapa (multi-stage builds)
• Optimización de imágenes (ordenamiento de argumentos de múltiples líneas, etc.)
• Aprovechamiento de la caché de construcción
• Fijación (pinning) de las versiones de la imagen
• Ajuste fino de la asignación de recursos
• Prácticas de seguridad de contenedores
• Configuración del entorno de ejecución para rendimiento
Módulo 3: Kubernetes y Estrategias de Lanzamiento
Descripción general de los Despliegues en Kubernetes
• Creación y ejecución de un Despliegue inicial
• Opciones de Despliegue de Kubernetes
Realización de Despliegues con Actualizaciones Progresivas (Rolling Updates)
• Comprensión del Rolling Update
• Creación y ejecución de un Rolling Update
• Reversión del despliegue
Realización de Despliegues Canarios
• Comprensión de los Despliegues Canary
• Creación y ejecución de un Despliegue Canary
Realización de Despliegues Blue-Green
• Comprensión de los Despliegues Blue-Green
• Creación y ejecución de un Despliegue Blue-Green
Ejecución de Trabajos (Jobs) y CronJobs
• Creación de un Trabajo (Job) y CronJob
Realización 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 mediante Python
• Escalamiento 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 (Source Repository)
Manejo de Actualizaciones de Aplicaciones con Automatización de Imágenes
• Actualización del despliegue de una aplicación con Flux
• Exploración de repositorios de imágenes de contenedor 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 en la Causa Raíz
Capacidades de Registro de Eventos (Logging) y Rastreo en Kubernetes
• Importancia del registro de eventos y el rastreo
• Acceso a los logs de Kubernetes
• Logs de Pods y contenedores
• Logs del plano de control (Control Plane)
• Uso de recursos de nodos y pods
Recolección y Análisis de Logs
• 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 identificar problemas de rendimiento
Monitoreo con Prometheus y Grafana
• Conceptos de observabilidad
• Herramientas de monitoreo
• Uso de instrumentación de Prometheus
Casos de Uso Avanzados para el Registro de Eventos (Logging)
• Procesamiento de logs
• Filtrado y enriquecimiento de logs
• Event Sourcing (Carga 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 Nodo
• Escenario de Evicción 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 Caída del Servidor de API
• Simulación de Tráfico Alto 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 utilizando K8sGPT
• Análisis de Problemas en Tiempo Real usando 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 y servicios).
- Conocimiento general de arquitectura de software (p. ej., APIs, servicios).
Público objetivo:
- Ingenieros DevOps.
- Ingenieros de Confiabilidad del Sitio (SREs).
- Desarrolladores Backend / de Software que trabajan con microservicios.
- Ingenieros Cloud e Ingenieros de Plataforma.
-
Administradores de Sistemas que transicionan hacia entornos de Kubernetes.
Testimonios (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
