Temario del curso
Módulo 1: Diseño de Microservicios
• Un buen límite para el microservicio
• Uso del Diseño Dirigido por el Dominio (DDD)
• Alternativas a los límites del dominio empresarial (Volatilidad, Datos, Tecnología, Organizacional)
• División del Monolito
• Descomposición prematura
• Descomposición por capas
• Uso de patrones de descomposición (Strangler, Ejecución paralela, Toggle de características)
• Preocupaciones sobre la descomposición de datos (Rendimiento, Integridad, Transacciones)
Módulo 2: Optimización de Docker y el Entorno de Ejecución
• Selección de la imagen base adecuada
• Minimización del número de capas
• Uso de construcciones multietapa
• Optimización de imágenes (ordenar argumentos multi línea, etc.)
• Aprovechamiento del caché de construcción
• Fijación de versiones de la imagen
• 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 de Kubernetes
Ejecución de Despliegues con Actualizaciones Progresivas (Rolling Update)
• Comprensión del Rolling Update
• Creación y ejecución de un Rolling Update
• Reversión del despliegue
Ejecución de Despliegues Canary
• Comprensión de los Despliegues Canary
• Creación y ejecución de un Despliegue Canary
Ejecución de Despliegues Blue-Green
• Comprensión de los Despliegues Blue-Green
• Creación y ejecución de un Despliegue Blue-Green
Ejecución de Tareas (Jobs) y CronJobs
• Creación de un Job y CronJob
Ejecución de tareas de Monitoreo y Resolución de Problemas
• Técnicas de resolución 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 Deployment
• Monitorización de Eventos de Kubernetes mediante Python
• Escalado de un Despliegue utilizando Python
Comprensión de los Desafíos al Automatizar 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 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 la política 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 Registro (Logging) y Trazado en Kubernetes
• Importancia del logging y el tracing
• 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 logs
• Visualización de logs
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 (Logging)
• Procesamiento de logs
• Filtrado y enriquecimiento de los registros
• Event Sourcing (Registro de eventos)
Módulo 6: Simulación de Crisis del Clúster y Respuesta ante 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 la gestión de tiempos de espera de 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 Soporte en Resolución 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 los analizadores de K8sGPT (podAnalyzer, pvcAnalyzer, rsAnalyzer, etc.)
• Análisis del Clúster utilizando 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 los conceptos de Kubernetes (pods, despliegues y servicios)
- Conocimiento general sobre arquitectura de software (por ejemplo, APIs, servicios)
Audiencia 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 en transición hacia entornos 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
