Kostenlos testen
Beliebt Neu Genres Autoren
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Suche läuft...
SoBrief
Kubernetes Patterns

Kubernetes Patterns

Entwickeln Sie Cloud-native Anwendungen, die Kubernetes tatsächlich betreiben, skalieren und wiederherstellen kann.
von Bilgin Ibryam 2019 266 Seiten
4.31
216 Bewertungen
Anhören
Immersiv
V2.3
Amazon Kindle Audible
3 Tage Vollzugriff testen
Schalten Sie Audioinhalte & mehr frei!
Weiter

Wichtigste Erkenntnisse

Betrachten Sie Kubernetes als verteilte Laufzeitumgebung, nicht als Container-Parkplatz

Die Plattform stellt neue Bausteine bereit. Kubernetes startet nicht einfach nur Container. Es bietet verteilte Grundelemente für Bereitstellung, Service Discovery, Scheduling und Lebenszyklusverwaltung. Ein Container-Image bündelt eine Funktionseinheit; ein Pod gruppiert Container, die denselben Ausführungsort und Lebenszyklus teilen müssen; ein Service bietet Clients eine stabile Möglichkeit, wechselnde Pods zu erreichen. Diese Abstraktionen ähneln vertrauten Programmierkonstrukten, wirken jedoch über mehrere Rechner hinweg statt innerhalb eines einzelnen Prozesses.

Gute Software bleibt wichtig. Kubernetes kann eine Anwendung automatisieren und skalieren, aber keine unklaren fachlichen Grenzen, mangelhaften Code oder ungeeigneten Container reparieren. Das Buch konzentriert sich auf Orchestrierungsmuster und betont zugleich, dass sauberes Design und klar definierte Services Voraussetzung dafür sind, von ihnen zu profitieren.

Analyse

Der entscheidende Perspektivwechsel besteht darin, Kubernetes nicht mehr als Kommandozeilenwerkzeug, sondern als Laufzeitvertrag zu verstehen. Damit ähnelt Plattformdesign dem Entwurf eines Betriebssystems: Anwendungen beziehen Dienste aus ihrer Umgebung, müssen sich aber an deren Schnittstellen halten. Die Warnung vor verteiltem Unsinn ist mehr als ein Bonmot. Automatisierung verstärkt sowohl gute als auch schlechte Strukturen. Orchestrierung ersetzt jedoch keine Domänenmodellierung; eine auf viele Pods verteilte Workload kann immer noch ein schlecht entworfenes System sein.

Legen Sie Ressourcenbudgets fest, damit der Scheduler Workloads sinnvoll platzieren kann

Requests steuern die Platzierung. Das Ressourcenprofil eines Containers gibt an, was er benötigt und wie weit sein Verbrauch steigen darf. Kubernetes berücksichtigt CPU- und Speicher-Requests bei der Entscheidung, ob auf einem Node genügend Platz ist; Limits begrenzen den Verbrauch. Bei CPU-Knappheit kann die Nutzung gedrosselt werden, während übermäßiger Speicherverbrauch zur Beendigung des Containers führen kann. Ein Container könnte beispielsweise 100 Millicores und 100 MiB Speicher anfordern, mit Limits von 200 Millicores und 200 MiB.

Profile beeinflussen die Überlebenschancen. Das Buch unterscheidet Best-Effort-Pods ohne Requests oder Limits, Burstable-Pods mit unterschiedlichen Requests und Limits sowie Guaranteed-Pods mit übereinstimmenden Werten. Namespace-Quotas und LimitRanges können den Gesamtverbrauch begrenzen und extreme Einstellungen verhindern. Tests mit realen Workloads bieten Teams einen Ausgangspunkt für die Kapazitätsplanung.

Analyse

Ressourcendeklarationen sind zugleich Prognose und Verhandlung mit dem Scheduler. Das ähnelt der Kapazitätsplanung in der Fertigung: Eine Produktionslinie lässt sich nicht sinnvoll zuteilen, wenn der Bedarf der einzelnen Produkte unbekannt ist. Doch Schätzungen können veralten, wenn sich Datenverkehr und Software ändern. Zu hoch angesetzte Requests verschwenden Kapazität; zu niedrig angesetzte Requests können zu irreführender Platzierung und Leistung führen. Am besten funktionieren Deklarationen als gemessene Annahmen, die regelmäßig überprüft werden, nicht als dauerhafte Wahrheiten, die von einer Umgebung in die nächste kopiert werden.

Wählen Sie Releases nach Kompatibilitätsrisiko statt aus Gewohnheit

Ein Deployment hält den gewünschten Übergang fest. Kubernetes-Deployments verwalten Gruppen von Pods und automatisieren deren Austausch, die Verfolgung von Rollouts und Rollbacks. Bei einem RollingUpdate werden Instanzen schrittweise ersetzt; Einstellungen legen fest, wie viele zusätzliche oder nicht verfügbare Pods zulässig sind. Readiness-Prüfungen sind wichtig: Eine Instanz sollte weder Datenverkehr erhalten noch als erfolgreicher Ersatz gelten, bevor sie Anfragen bedienen kann.

Unterschiedliche Risiken erfordern unterschiedliche Releases. Recreate beendet die alte Version, bevor die neue gestartet wird, und nimmt Ausfallzeiten in Kauf, um gleichzeitig laufende Versionen zu vermeiden. Blue-Green hält alte und neue Deployments verfügbar und schaltet dann den Service auf die neue Gruppe um – dafür wird vorübergehend doppelte Kapazität benötigt. Bei einem Canary-Release wird zunächst ein kleiner Teil der neuen Version eingeführt, bevor sie weiter ausgerollt wird. Diese Strategien bestimmen, wie Nutzerinnen und Nutzer einem Release begegnen, nicht nur, wie Pods ersetzt werden.

Analyse

Die Release-Strategie ist eine Entscheidung darüber, wie mit Unsicherheit umgegangen wird. Ein Rolling Update spart Kapazität, während Blue-Green Kapazität einsetzt, um Rücknahme und Umschaltung des Datenverkehrs zu erleichtern. Canary-Releases steigern die Reichweite schrittweise, doch eine kleine Stichprobe ist nur dann aussagekräftig, wenn sie repräsentative Nutzer und Workloads umfasst. Entscheidend ist nicht, welche Strategie am modernsten ist, sondern welches Fehlerszenario der Service verkraftet: Ausfallzeit, gemischte Versionen, zusätzliche Infrastruktur oder unvollständige Erkenntnisse.

Geben Sie Kubernetes zuverlässige Gesundheitssignale und sorgen Sie für ein ordnungsgemäßes Herunterfahren

Der Prozessstatus ist nicht gleich Anwendungsgesundheit. Ein Prozess kann noch existieren, obwohl die Anwendung in einer Verklemmung steckt oder keine Anfragen mehr bedienen kann. Eine Liveness-Probe prüft, ob Kubernetes einen Container neu starten sollte. Eine Readiness-Probe beantwortet eine andere Frage: ob der Container derzeit Datenverkehr erhalten sollte. Sie kann eine startende oder überlastete Instanz aus den Service-Endpunkten heraushalten, ohne sie neu zu starten.

Das Herunterfahren gehört zur Schnittstelle. Wenn Kubernetes einen Container stoppt, sendet es SIGTERM und gewährt normalerweise 30 Sekunden, bevor SIGKILL gesendet wird. Anwendungen sollten dieses Zeitfenster nutzen, um laufende Anfragen abzuschließen, Verbindungen freizugeben und aufzuräumen. Lifecycle-Hooks wie postStart und preStop ermöglichen zusätzliche Aktionen, doch ihre Zeitplanung und Ausführungsgarantien sind begrenzt. Kritisches Verhalten sollte daher nicht allein von ihnen abhängen.

Analyse

Diese Probes machen die Anwendung zu einer Beteiligten an ihrem eigenen Betrieb. In der Regelungstechnik lässt sich ein System nicht gut steuern, wenn sein Zustand nicht beobachtbar ist; Probes liefern ein kleines, umsetzbares Signal statt einer vollständigen Erklärung. Diese Einfachheit birgt auch ein Risiko. Eine Probe, die nur prüft, ob ein Port antwortet, kann einen beeinträchtigten Service als gesund einstufen, während eine überempfindliche Probe unnötige Neustarts auslösen kann. Gesundheitssignale sollten Fehler abbilden, die sich mit der gewählten Korrekturmaßnahme tatsächlich beheben lassen.

Wählen Sie den Controller passend zur Lebensdauer und Einzigartigkeit der Aufgabe

Verschiedene Aufgaben erfordern verschiedene Garantien. Ein ReplicaSet hält eine gewünschte Anzahl langlebiger Pods verfügbar. Ein Job führt eine zeitlich begrenzte Aufgabe bis zum erfolgreichen Abschluss aus und bietet Einstellungen für die Zahl der erforderlichen Abschlüsse und parallelen Worker. Ein CronJob ergänzt einen Zeitplan für diese Aufgabe. Ein DaemonSet platziert einen Pod auf jedem oder ausgewählten Nodes, häufig für Infrastrukturaufgaben wie das Sammeln von Logs oder Metriken.

Eine einzelne aktive Instanz erfordert besondere Sorgfalt. Ein ReplicaSet mit einem Replikat ermöglicht normalerweise die Wiederherstellung, garantiert aber nicht, dass sich zwei Instanzen während einer Netzwerkpartition oder eines Austauschs niemals überschneiden. Ein striktes Singleton-Verhalten kann eine anwendungsseitige Leader Election oder StatefulSet-Garantien erfordern. Ein PodDisruptionBudget kann freiwillige Evictions bei Wartungsarbeiten begrenzen, verhindert aber keine unkontrollierbaren Ausfälle.

Analyse

Der Controller bringt zum Ausdruck, was eine Aufgabe bedeutet. Ein Job versteht den Abschluss als Erfolg; ein ReplicaSet versteht fortdauernde Verfügbarkeit als Erfolg; ein DaemonSet bindet die Verfügbarkeit an Nodes. Die falsche Abstraktion verändert unauffällig das Verhalten bei Fehlern. Das ist vergleichbar mit der Wahl von Transaktionssemantik in einer Datenbank: Die gewünschte Garantie muss ausdrücklich festgelegt werden. Verfügbarkeit und Einzigartigkeit können einander entgegenstehen. Deshalb sollte eine Singleton-Workload nicht davon ausgehen, dass eine Replikazahl von eins höchstens eine Ausführung bedeutet.

Leiten Sie den Datenverkehr über stabile Services, niemals über vergängliche Pod-Adressen

Pods sind austauschbar; ihre Adressen sind keine Zusicherung. Kubernetes weist Pods dynamisch Netzwerkidentitäten zu, die sich bei einer Neuplanung oder Skalierung ändern können. Ein Service bietet einen stabilen benannten Endpunkt und wählt bereite Pods als Backends aus. Innerhalb des Clusters können Clients den Service in der Regel über DNS finden. Umgebungsvariablen können ebenfalls Service-Details bereitstellen, allerdings nur für Pods, die erstellt werden, nachdem der Service existiert.

Der externe Zugriff umfasst mehrere Ebenen. NodePort öffnet einen Port auf den Cluster-Nodes; LoadBalancer kann einen Service mit dem externen Load Balancer eines Cloud-Anbieters verbinden. Ingress leitet Datenverkehr auf Anwendungsebene, meist HTTP, über gemeinsam genutzte externe Einstiegspunkte und kann unterschiedliche Pfade oder Hostnamen an verschiedene Services weiterleiten. Ein Service kann auch manuell konfigurierte Endpunkte außerhalb des Clusters abbilden.

Analyse

Die Service-Abstraktion trennt das Versprechen an Clients von den Mechanismen, die es erfüllen. Das ist eine wirksame Entkopplung: Implementierungen können sich ändern, während Verbraucher weiterhin denselben Namen verwenden. Außerdem macht sie die Zuständigkeitsgrenze sichtbar. ClusterIP übernimmt den internen Zugriff, während die externe Weiterleitung von Infrastruktur und Controller-Verhalten abhängt. Teams sollten den tatsächlichen Netzwerkpfad testen, denn ein stabiles Kubernetes-Objekt garantiert nicht von selbst, dass Firewalls, Load Balancer und Anwendungsprotokolle korrekt konfiguriert sind.

Geben Sie zustandsbehafteten Replikaten Identität, Speicher und geordnete Mitgliedschaft

Zustandsbehaftete Workloads sind keine austauschbaren Kopien. Ein StatefulSet gibt jedem Pod einen vorhersehbaren Namen und eine Ordinalzahl, kann für jede Instanz einen eigenen PersistentVolumeClaim erstellen und koordiniert standardmäßig Start und Herunterfahren in einer festen Reihenfolge. Ein zugehöriger Headless Service veröffentlicht direkte DNS-Identitäten für bestimmte Pods, statt jede Anfrage auf alle Pods zu verteilen. So können geclusterte Anwendungen Peers finden und sich wieder mit ihrem eigenen Speicher verbinden.

Dauerhafte Speicherung erfordert durchdachte Betriebsabläufe. Beim Herunterskalieren werden Pods entfernt, ihre Claims bleiben jedoch absichtlich bestehen. Das verringert das Risiko, dass ein versehentliches Herunterskalieren Daten löscht. StatefulSets sollen doppelte Identitäten verhindern, doch das gewaltsame Löschen eines Pods oder die Erklärung eines noch aktiven Nodes zum ausgefallenen Node kann diesen Schutz aushebeln. Die Plattform bietet nützliche Garantien, aber keinen vollständigen Plan zur Wiederherstellung einer Datenbank.

Analyse

Die tiefere Erkenntnis ist, dass Zustand mehr umfasst als den Festplatteninhalt. Dazu gehören Identität, Netzwerkadresse und Reihenfolge der Mitgliedschaft – all das kann für eine verteilte Datenbank oder einen Koordinationsdienst wichtig sein. StatefulSets machen diese Aspekte explizit, statt so zu tun, als sei jedes Replikat entbehrlich. Doch Infrastrukturgarantien verstehen keine anwendungsspezifischen Regeln zu Replikation, Quorum oder Backups. Ein stabiles Volume kann beschädigte Daten ebenso zuverlässig bewahren wie intakte; deshalb bleiben Betriebsverfahren unverzichtbar.

Lagern Sie die Konfiguration aus und wählen Sie dann den einfachsten sicheren Bereitstellungsweg

Halten Sie umgebungsspezifische Einstellungen aus dem Anwendungs-Image heraus. Umgebungsvariablen eignen sich gut für kleine, einfache Werte. ConfigMaps speichern gewöhnliche Konfigurationen, während Secrets für vertrauliche Werte vorgesehen sind; beide können Umgebungsvariablen oder eingebundene Dateien bereitstellen. Eingebundene ConfigMap-Dateien können aktualisiert werden, während ein Pod läuft, allerdings muss die Anwendung die Änderung erkennen und die Konfiguration neu laden. Umgebungsvariablen ändern sich nach dem Start des Prozesses nicht.

Komplexität muss sich lohnen. Große Konfigurationssätze lassen sich möglicherweise besser in einem versionierten Konfigurations-Image unterbringen, das in ein gemeinsam genutztes Volume kopiert wird, oder in Vorlagen, die ein Init-Container anhand einer kleineren Menge umgebungsspezifischer Werte rendert. Diese Ansätze reduzieren Duplikate, bringen aber zusätzliche Images und Betriebsschritte mit sich. Secret-Werte sind Base64-kodiert; das ist für sich genommen keine Verschlüsselung. Zugriffskontrollen und Schutzmaßnahmen für die Speicherung bleiben wichtig.

Analyse

Konfiguration ist eine Form ausführbarer Richtlinien: Sie verändert das Verhalten eines Service, ohne dessen Code zu ändern. Ihre Trennung vom Anwendungs-Image verbessert die Wiederverwendbarkeit, doch jede zusätzliche Konfigurationsebene schafft einen weiteren Ort, an dem Abweichungen oder versehentliche Offenlegung möglich sind. Die praktische Abstufung im Buch ist sinnvoll: Beginnen Sie mit einfachen Variablen, verwenden Sie Plattformressourcen, wenn Werte unabhängig verwaltet werden müssen, und greifen Sie auf Vorlagen oder Konfigurations-Images nur bei tatsächlich großen oder komplexen Fällen zurück.

Stellen Sie Container nach Rollen zusammen, nicht als monolithisches Bündel praktischer Funktionen

Ein Pod kann getrennte Prozesse vereinen, ohne ihre Aufgaben zusammenzuführen. Ein Init-Container läuft bis zum Abschluss, bevor die Anwendungscontainer starten. Damit eignet er sich für vorbereitende Aufgaben wie das Bereitstellen gemeinsamer Dateien. Ein Sidecar läuft neben dem Hauptcontainer und ergänzt eine unterstützende Funktion. So kann beispielsweise ein Container Webdateien bereitstellen, während ein anderer diese Dateien mit einem Repository synchronisiert.

Spezialisierte Helfer haben unterschiedliche Aufgaben. Ein Adapter überführt die Ausgabe einer Anwendung in ein Standardformat, etwa indem er benutzerdefinierte Metriken für ein Überwachungssystem umwandelt. Ein Ambassador vermittelt den Zugriff auf externe Services und verbirgt Details zu Discovery oder Verbindungen vor der Anwendung. Diese Muster erhalten separate Images und Release-Zyklen; jeder zusätzliche Container verbraucht jedoch auch Ressourcen und muss überwacht werden.

Analyse

Die Zusammensetzung von Containern ist eine praktische Form der Modularität. Teams können damit übergreifende Funktionen ergänzen, ohne die Anwendung selbst neu zu bauen – ähnlich wie Komponenten in einem System eingesetzt werden, statt jedes Merkmal in ein einziges Artefakt einzubauen. Der Nutzen entsteht allerdings nur, wenn die Grenzen einfach bleiben. Ein Hilfscontainer bringt einen weiteren Prozess, eine weitere Abhängigkeit und einen weiteren möglichen Fehler mit sich. Ist das Verhalten eines Sidecars untrennbar mit der Hauptanwendung verbunden, kann die Aufteilung betriebliche Komplexität schaffen, ohne sinnvolle Wiederverwendung zu ermöglichen.

Bringen Sie Kubernetes mithilfe von Reconciliation die Betriebsregeln Ihrer Anwendung bei

Controller vergleichen fortlaufend den Istzustand mit einem deklarierten Zielzustand. Ihre grundlegende Schleife besteht darin, Änderungen an Ressourcen zu beobachten, die Differenz zwischen aktuellem und gewünschtem Zustand zu analysieren und über die Kubernetes-API darauf zu reagieren. Integrierte Controller nutzen diesen Ansatz, um Deployments und andere Ressourcen aufrechtzuerhalten; benutzerdefinierte Controller können das Verhalten von Standard-Kubernetes-Objekten ergänzen.

Operatoren ergänzen domänenspezifische Ressourcen. Ein Operator ist ein Controller, der CustomResourceDefinitions nutzt, um Konzepte einer bestimmten Anwendung oder eines bestimmten Systems abzubilden. Eine Ressource könnte beispielsweise eine Überwachungsinstallation oder einen Konfigurations-Watcher beschreiben, während ihr Operator die betrieblichen Aufgaben übernimmt. Benutzerdefinierte Ressourcen können validiert und in Kubernetes-Tools integriert werden, doch für die Registrierung ihrer Definitionen sind gewöhnlich erhöhte Cluster-Berechtigungen nötig. Nicht jede Anwendung braucht einen Operator; gewöhnliche Controller oder eigenständige Services können einfacher sein.

Analyse

Reconciliation ersetzt eine brüchige Abfolge von Befehlen durch eine dauerhafte Beziehung zwischen Absicht und beobachtetem Zustand. Das ähnelt einer Regelung mit Rückkopplung: Das System korrigiert Abweichungen immer wieder, statt davon auszugehen, dass ein einmaliger Vorgang dauerhaft erfolgreich war. Dieses Modell ist leistungsfähig, doch asynchrone Controller können schwer zu debuggen sein, und schlecht entworfene Controller können wiederholt schädliche Änderungen vornehmen. Eine gute Erweiterung verfügt über eng begrenzte Berechtigungen, klare Statusmeldungen und einen Zielzustand, der sich sicher auch mehrfach erreichen lässt.

Skalieren Sie über Pods und Nodes hinweg und unterscheiden Sie Empfehlungen von automatischen Änderungen

Horizontales Skalieren verändert die Anzahl der Replikate. Ein HorizontalPodAutoscaler kann die Zahl der Pods eines Deployments anhand von Metriken wie der CPU-Auslastung anpassen, sofern Ressourcen-Requests und eine Metrikquelle verfügbar sind. Die gewählte Metrik sollte sinnvoll auf zusätzliche Replikate reagieren. So muss beispielsweise der Speicherverbrauch nicht sinken, wenn weitere identische Instanzen hinzugefügt werden. Verzögerungen und Stabilisierungsregeln helfen, schnelle Schwankungen zu vermeiden.

Vertikales Skalieren und Clusterskalierung lösen unterschiedliche Engpässe. Ein Vertical Pod Autoscaler empfiehlt oder ändert Ressourcen-Requests; die Anwendung solcher Änderungen kann jedoch einen Neustart der Pods erfordern. Ein Cluster Autoscaler fügt Nodes für nicht planbare Workloads hinzu und kann ausreichend wenig ausgelastete Nodes entfernen, wenn sich die Pods sicher verlagern lassen. Diese Mechanismen ergänzen einander, doch schlecht aufeinander abgestimmte Autoscaler können überreagieren oder um dieselben Ressourcen konkurrieren.

Analyse

Elastizität lässt sich nicht mit einem einzigen Regler steuern. Sie folgt einer Hierarchie: die Anwendung optimieren, die Größe jedes Pods anpassen, die Zahl der Pods ändern und anschließend den Cluster vergrößern oder verkleinern. Die Reihenfolge ist wichtig, denn zusätzliche Replikate beheben keinen ineffizienten Code, und zusätzliche Nodes können schlechte Ressourcenschätzungen kaschieren. Autoscaling reagiert außerdem auf verzögerte Messwerte, nicht auf eine augenblickliche Wahrheit. Sein Nutzen hängt davon ab, ob geeignete Signale gewählt werden und ausreichend Zeit bleibt, bis neue Kapazität einsatzbereit ist.

Erstellen Sie Images nur dann im Cluster, wenn die Integration das zusätzliche Sicherheitsrisiko aufwiegt

Für die Image-Erstellung kann dieselbe Scheduling-Plattform wie für die Bereitstellung genutzt werden. Builds in einem Kubernetes-Cluster können separate Infrastruktur überflüssig machen und die Build-Ergebnisse mit späteren Deployments verknüpfen. Das Build-System von OpenShift unterstützt Source-to-Image, bei dem Quellcode mit einem sprachspezifischen Builder-Image kombiniert wird, sowie weitere Build-Verfahren. Image-Change-Trigger können ein neu erstelltes Image mit einem weiteren Build oder Deployment verknüpfen.

Die Isolierung des Builds bleibt wichtig. Herkömmliche Docker-Builds benötigen einen privilegierten Daemon, was Sicherheitsbedenken aufwirft, wenn Build-Anweisungen im Cluster ausgeführt werden. Daemonlose Tools wie Kaniko, Buildah und img bieten alternative Möglichkeiten, Images ohne dieses Daemon-Modell zu erstellen. Das Buch beschreibt außerdem Knative Build als Möglichkeit, Build-Schritte als von Kubernetes verwaltete Aufgaben zu formulieren, und weist zugleich darauf hin, dass sich die Implementierung zum Zeitpunkt der Veröffentlichung noch weiterentwickelte.

Analyse

Die Build-Pipeline ist selbst eine Workload mit Anforderungen an Ressourcen, Sicherheit und Scheduling. Sie auf derselben Plattform auszuführen, kann den Betrieb daher vereinfachen. Dieser Komfort darf die Vertrauensgrenze zwischen nicht vertrauenswürdigem Quellcode und Produktionsinfrastruktur jedoch nicht verwischen. Build-Jobs führen Anweisungen aus, die von Projekten bereitgestellt werden; deshalb sind Berechtigungskontrolle und Isolierung zentrale Entwurfsfragen. Builds im Cluster sind besonders attraktiv, wenn die Ereignisintegration und gemeinsame Nutzung von Kapazitäten die zusätzliche Verantwortung rechtfertigen, die Build-Umgebung abzusichern.

Analyse

Kubernetes Patterns ist eine technische Mustersprache, kein Handbuch zur Einrichtung. Die 24 Muster reichen von grundlegenden Verträgen wie der Deklaration von Ressourcen und der Bereitstellung von Gesundheitssignalen über das Verhalten von Workloads und die Zusammensetzung von Pods bis hin zu Konfiguration, Controllern, Skalierung und Image-Erstellung. Die leitende Idee lautet, dass Kubernetes eine verteilte Laufzeitumgebung mit einer Begriffswelt zur Formulierung betrieblicher Absichten ist. Muster machen diese Begriffswelt wiederverwendbar: Ein Job steht für eine begrenzte Aufgabe, ein Service für stabilen Zugriff auf wechselnde Endpunkte und ein StatefulSet für Instanzen, deren Identität und Speicher wichtig sind.

Der wichtigste Beitrag des Buches ist die nachdrückliche Betonung, dass Automatisierung die Mitwirkung der Anwendung voraussetzt. Ein Deployment kann ein Release nicht sicher machen, wenn Readiness falsch gemeldet wird; ein Scheduler kann Workloads ohne Ressourcen-Requests nicht sinnvoll platzieren; ein Controller kann keine Domäne verwalten, die er nicht beobachten kann. Auf diese Weise verbindet das Buch Softwaredesign und Betrieb durch explizite Schnittstellen. Es zeigt auch, warum Kubernetes-Grundelemente keine austauschbaren Rezepte sind. Jedes verkörpert ein anderes Versprechen hinsichtlich Austausch, Persistenz, Verfügbarkeit oder Zeitplanung.

Die wichtigste Einschränkung des Ansatzes besteht darin, dass Musternamen komplexe Produktionsfragen eingegrenzter erscheinen lassen können, als sie tatsächlich sind. Ein StatefulSet bietet eine stabile Identität und eine Zuordnung zu Speicher, aber keine korrekte Datenbankreplikation. Eine Probe liefert ein Signal, aber keine vollständige Diagnose. Ein Controller gleicht Ressourcen ab, doch sein asynchrones Verhalten kann schwer nachvollziehbar sein. Das Buch räumt viele dieser Zielkonflikte ein. Leserinnen und Leser sollten jedes Muster als Ausgangsvertrag betrachten, den sie anhand ihrer Workload testen müssen, nicht als Garantie unabhängig von der Konfiguration.

Das dauerhafte Denkmodell beruht auf klar abgegrenzten Zuständigkeiten. Der Anwendungscode ist für fachliche Korrektheit verantwortlich; Container bündeln Funktionalität; Pods definieren eng gekoppelte Laufzeitgruppen; Controller erhalten den gewünschten Zustand aufrecht; und die Clusterinfrastruktur stellt Kapazität und Routing bereit. Bessere Cloud-Native-Systeme entstehen, wenn jede Ebene eine klare Rolle hat, die von der jeweils nächsten Ebene benötigten Signale bereitstellt und keine Garantien verspricht, die sie tatsächlich nicht geben kann.

Zusammenfassung in 30 Sekunden
Orchestrierung funktioniert am besten, wenn Anwendungen ihren Ressourcenbedarf deklarieren, melden, ob sie Datenverkehr bedienen können, und ordnungsgemäß herunterfahren. Eine stabile Diensterkennung entkoppelt Clients von austauschbaren Instanzen, während dauerhafte Identitäten und Speicher zustandsbehaftete Workloads unterstützen. Controller vergleichen die tatsächlichen Bedingungen mit den beabsichtigten Ergebnissen und handeln, um Abweichungen zu beseitigen. Die Skalierung hängt von aussagekräftigen Metriken ab; eine automatisierte Platzierung kann weder schlechtes Anwendungsdesign noch fehlende Pläne zur Datenwiederherstellung ausgleichen.
Enthält Spoiler

Zuletzt aktualisiert:

Problem melden

Rezensionsübersicht

4.31 von 5
Durchschnitt von 216 Bewertungen von Goodreads und Amazon.

Kubernetes Patterns erhält überwiegend positive Rezensionen. Leser loben den ansprechenden Inhalt, den klaren Aufbau und die praxisnahen Beispiele. Viele finden das Buch hilfreich, um Kubernetes-Konzepte und bewährte Vorgehensweisen zu verstehen. Einige schätzen den Ansatz, Muster zu erklären, während andere der Meinung sind, bestimmte „Muster“ seien lediglich grundlegende Kubernetes-Funktionen. Das Buch wird Entwicklern und Systemadministratoren empfohlen, die sich vertieft mit Kubernetes befassen möchten, dürfte für erfahrene Praktiker jedoch weniger nützlich sein. Insgesamt gilt es als hilfreiche Ressource für die Entwicklung Cloud-nativer Anwendungen.

Ihre Bewertung:
4.59
325 Bewertungen
Möchten Sie das vollständige Buch lesen?

Glossar

Vorhersehbare Anforderungen (Predictable Demands)

Deklarierte Laufzeitanforderungen

Ein grundlegendes Muster, bei dem Container ihre Ressourcenanforderungen und Laufzeitabhängigkeiten ausdrücklich angeben. Ressourcenanforderungen und -limits helfen Kubernetes, Workloads einzuplanen und Ressourcenkonflikte zu verwalten. Abhängigkeiten wie Speicher, Ports, ConfigMaps und Secrets beeinflussen, ob ein Pod gestartet werden kann und wo er ausgeführt werden kann.

Deployment

Verwaltetes Pod-Rollout

Eine Kubernetes-Ressource, die eine gewünschte Anzahl austauschbarer Pods verwaltet und festhält, wie diese aktualisiert werden sollen. Mit den Rollout-Strategien können Pods schrittweise ersetzt oder die alte Gruppe gestoppt werden, bevor die neue gestartet wird. Deployments bieten außerdem Statusinformationen zum Rollout und ermöglichen Rollbacks.

Liveness-Probes

Gesundheitsprüfungen mit Neustart

Prüfungen, anhand derer Kubernetes entscheidet, ob ein Container neu gestartet werden soll. Eine Probe kann eine HTTP-Anfrage, eine TCP-Verbindung oder einen Befehl verwenden. Sie soll Fehler erkennen, die sich durch einen Neustart beheben lassen, etwa einen festgefahrenen, aber weiterhin laufenden Prozess.

Readiness-Probes

Prüfungen der Verkehrstauglichkeit

Prüfungen, die anzeigen, ob ein Container aktuell Anfragen bedienen kann. Schlägt eine Readiness-Probe fehl, entfernt Kubernetes den Pod aus den von Services verwendeten Endpunkten, ohne den Container zwangsläufig neu zu starten. So lässt sich der Datenverkehr während des Starts oder bei vorübergehender Überlastung schützen.

StatefulSet

Workload-Manager mit Identitätserhalt

Eine Kubernetes-Ressource zur Verwaltung von Pods, die stabile Identitäten, persistente Speicherzuordnungen oder eine geordnete Erstellung und Beendigung benötigen. Sie weist vorhersehbare Namen und Ordnungsnummern zu, kann für jeden Pod einen separaten Speicheranspruch erstellen und arbeitet mit einem steuernden Service zusammen, um stabile Netzwerkidentitäten bereitzustellen.

Downward API

Einspeisung von Pod-Metadaten

Ein Kubernetes-Mechanismus, mit dem ausgewählte Informationen über einen Pod oder Container innerhalb eines Containers über Umgebungsvariablen oder eingebundene Dateien verfügbar gemacht werden. Zu den Daten können Pod-Name, Namespace, IP-Adresse, Labels, Anmerkungen sowie Ressourcenanforderungen und -limits gehören. So können Anwendungen auf Metadaten zugreifen, ohne die Kubernetes-API direkt abzufragen.

Init-Container

Container für Startaufgaben

Ein Container in einem Pod, der vor den Anwendungcontainern ausgeführt wird. Init-Container laufen nacheinander; jeder muss erfolgreich abgeschlossen sein, bevor der nächste beginnt. Sie eignen sich für Vorbereitungsaufgaben wie das Abrufen von Dateien oder die Überprüfung von Voraussetzungen und können Pod-Volumes gemeinsam mit den Anwendungscontainern nutzen.

Sidecar

Mitlaufender Hilfscontainer

Ein Container, der zusammen mit einem Hauptanwendungscontainer im selben Pod ausgeführt wird, um dessen Verhalten zu erweitern oder zu unterstützen. Die Container teilen sich die Platzierung und den Lebenszyklus des Pods und können über gemeinsam genutzte Volumes oder das lokale Netzwerk kommunizieren. Häufige Aufgaben sind Synchronisierung, Überwachung und Netzwerkunterstützung.

Controller

Abgleicher des Sollzustands

Ein kontinuierlich laufender Prozess, der Kubernetes-Ressourcen beobachtet, ihren aktuellen Zustand mit einem gewünschten Zustand vergleicht und Maßnahmen ergreift, um die Abweichung zu verringern. Integrierte Controller verwalten Ressourcen wie Deployments. Benutzerdefinierte Controller können Verhalten ergänzen, indem sie über die API standardmäßige Kubernetes-Ressourcen überwachen.

Operator

Anwendungsbewusster Controller

Ein Controller, der CustomResourceDefinitions verwendet, um anwendungsspezifische Konzepte darzustellen und ihren Betrieb zu automatisieren. Ein Operator verbindet Kenntnisse über Kubernetes mit Kenntnissen über das von ihm verwaltete System. Seine benutzerdefinierten Ressourcen können gewünschte Konfigurationen beschreiben, während der Operator die entsprechenden Lebenszyklusaktionen ausführt.

HorizontalPodAutoscaler

Metrikbasierte Skalierung der Replikazahl

Eine Kubernetes-Ressource, die die Anzahl der Pods einer skalierbaren Workload anhand beobachteter Metriken und konfigurierter Zielwerte anpasst. Sie kann Ressourcenmetriken wie CPU-Auslastung sowie – bei geeigneten Integrationen – benutzerdefinierte oder externe Metriken verwenden. Ihre Wirksamkeit hängt von Metriken ab, die sinnvoll auf Änderungen der Replikazahl reagieren.

FAQ

Worum geht es in Kubernetes Patterns?

  • Fokus auf Cloud-native Anwendungen: Kubernetes Patterns von Bilgin Ibryam und Roland Huß ist ein Leitfaden für die Entwicklung Cloud-nativer Anwendungen mit Kubernetes. Im Mittelpunkt stehen skalierbare, ausfallsichere und gut verwaltbare Anwendungen.
  • Wiederverwendbare Designelemente: Das Buch stellt wiederverwendbare Elemente für das Anwendungsdesign vor und bietet praktische Lösungen für häufige Herausforderungen bei Deployments mit Kubernetes.
  • Anwendungsfälle aus der Praxis: Anhand praktischer Erfahrungen veranschaulicht das Buch, wie sich Muster wirksam einsetzen lassen. Damit ist es für neue wie erfahrene Kubernetes-Nutzer wertvoll.

Warum sollte ich Kubernetes Patterns lesen?

  • Kubernetes-Kenntnisse vertiefen: Das Buch eignet sich für Entwickler, die ihr Verständnis von Kubernetes erweitern und ihre Fähigkeiten im Anwendungsdesign mithilfe bewährter Verfahren und erprobter Muster verbessern möchten.
  • Von Experten lernen: Die erfahrenen Praktiker, die das Buch verfasst haben, bündeln darin Erkenntnisse aus verschiedenen Projekten und vermitteln umfassendes Wissen über das Design Cloud-nativer Anwendungen.
  • Praktische Anleitung: Die Muster sind umsetzbar und auf reale Szenarien anwendbar. Das Buch dient als praktischer Leitfaden für die Cloud-native Entwicklung.

Was sind die wichtigsten Erkenntnisse aus Kubernetes Patterns?

  • Kubernetes-Konzepte verstehen: Das Buch behandelt wichtige Konzepte wie Pods, Services und Deployments und vermittelt damit eine solide Grundlage für die Entwicklung robuster Anwendungen.
  • Entwurfsmuster für Anwendungen: Es stellt Muster wie Vorhersehbare Anforderungen (Predictable Demands) und Health-Probes vor, die für die Entwicklung skalierbarer und wartbarer Anwendungen wichtig sind.
  • Fortgeschrittene Themen: Das Buch geht auf fortgeschrittene Muster wie Operatoren und Controller ein, die für die Erweiterung der Kubernetes-Funktionalität und die Verwaltung komplexer Anwendungen wichtig sind.

Welche grundlegenden Muster werden in Kubernetes Patterns behandelt?

  • Vorhersehbare Anforderungen (Predictable Demands): Das Muster betont, dass Ressourcenanforderungen von Containern deklariert werden sollten, damit Kubernetes fundierte Entscheidungen zur Einplanung treffen kann.
  • Deklaratives Deployment: Im Mittelpunkt stehen Deployment-Strategien wie Rolling Updates und Blue-Green-Deployments, mit denen sich Anwendungsaktualisierungen bei möglichst geringer Ausfallzeit verwalten lassen.
  • Health-Probes: Das Buch behandelt die Implementierung von Liveness- und Readiness-Probes zur Überwachung des Anwendungszustands, damit nur gesunde Instanzen Datenverkehr bedienen.

Wie beschreibt Kubernetes Patterns einen Job und seinen Zweck?

  • Definition eines Batch-Jobs: Ein Job verwaltet die Ausführung von Pods, bis eine festgelegte Anzahl erfolgreich beendet wurde. Er ist für zeitlich begrenzte Aufgaben gedacht, die zuverlässig abgeschlossen werden müssen.
  • Zuverlässigkeit und Skalierbarkeit: Der Job sorgt dafür, dass Aufgaben abgeschlossen werden, indem Pods bei Bedarf automatisch neu gestartet werden. Das eignet sich etwa für Datenverarbeitung oder Batch-Aufträge.
  • Parallele Ausführung: Jobs können mehrere Pods parallel ausführen und so Aufgaben effizient verarbeiten, die in kleinere, unabhängige Einheiten aufgeteilt sind.

Welche Bedeutung hat das DaemonSet-Muster in Kubernetes Patterns?

  • Infrastrukturorientierte Pods: Das Muster führt Pods auf jedem Knoten oder auf bestimmten Knotengruppen aus und stellt wichtige Infrastrukturdienste wie Protokollierung oder Überwachung bereit.
  • Automatische Verwaltung: Es verwaltet den Lebenszyklus der Pods automatisch und vereinfacht so die Verwaltung von Infrastrukturdiensten in einem Kubernetes-Cluster.
  • Knotenspezifische Aufgaben: Das Muster eignet sich für Anwendungen, die knotenspezifische Aufgaben ausführen müssen, etwa auf lokalen Speicher zugreifen oder den Zustand eines Knotens überwachen.

Wie erklärt Kubernetes Patterns das Singleton-Service-Muster?

  • Eine einzelne aktive Instanz: Das Muster stellt sicher, dass nur eine Instanz eines Dienstes aktiv ist. Das ist wichtig für Aufgaben wie zeitgesteuerte Jobs oder die Nachrichtenverarbeitung.
  • Hohe Verfügbarkeit: Es erhält eine einzelne aktive Instanz aufrecht und betont zugleich die Bedeutung hoher Verfügbarkeit mithilfe von Controllern wie StatefulSets oder ReplicaSets.
  • Diensterkennung: Headless Services sorgen für stabile Netzwerkidentitäten und damit für einen zuverlässigen Zugriff auf den Singleton-Dienst.

Welche fortgeschrittenen Muster behandelt Kubernetes Patterns?

  • Operatoren: Sie erweitern die Kubernetes-Funktionalität, indem sie komplexe Anwendungen mithilfe benutzerdefinierter Controller verwalten und Deployment sowie Skalierung automatisieren.
  • Elastische Skalierung: Das Buch behandelt horizontale und vertikale Skalierungsstrategien und Funktionen wie den HorizontalPodAutoscaler zur dynamischen Anpassung von Ressourcen.
  • Image Builder: Im Mittelpunkt steht die Erstellung von Container-Images im Kubernetes-Cluster, die die Effizienz erhöht und die Komplexität verringert.

Was ist die Downward API in Kubernetes Patterns?

  • Einspeisung von Metadaten: Kubernetes kann damit Pod-Metadaten als Umgebungsvariablen oder Dateien in Anwendungen einspeisen und so deren Fähigkeit zur Selbstwahrnehmung fördern.
  • Dynamische und statische Daten: Die API stellt dynamische Daten wie die Pod-IP-Adresse und statische Daten wie Ressourcenlimits bereit, die für Protokollierung und Überwachung wichtig sind.
  • Kubernetes-unabhängige Anwendungen: Sie ermöglicht es Anwendungen, unabhängig von Kubernetes zu bleiben und fördert so Portabilität und Wiederverwendbarkeit.

Wie funktioniert das Init-Container-Muster in Kubernetes Patterns?

  • Trennung der Zuständigkeiten: Initialisierungsaufgaben lassen sich von den Hauptanwendungscontainern trennen. So können beispielsweise Berechtigungen unabhängig eingerichtet werden.
  • Sequenzielle Ausführung: Init-Container laufen nacheinander. Jeder muss abgeschlossen sein, bevor der nächste startet, sodass die Anwendung erst startet, wenn die Initialisierung bereit ist.
  • Gemeinsam genutzte Ressourcen: Netzwerk-Namespace und Speichervolumes werden mit den Anwendungscontainern gemeinsam genutzt, was die Vorbereitung der Umgebung vereinfacht.

Was ist das Sidecar-Muster in Kubernetes Patterns?

  • Erweiterung der Funktionalität: Dabei wird einem Pod ein zusätzlicher Container hinzugefügt, um die Funktionalität des primären Containers zu erweitern oder zu ergänzen.
  • Häufige Anwendungsfälle: Das Muster wird für Protokollierung, Überwachung oder das Proxying von Anfragen verwendet, damit sich die Hauptanwendung auf ihre Kernfunktion konzentrieren kann.
  • Zusammenarbeit zwischen Containern: Es erleichtert die gemeinsame Nutzung von Ressourcen und die Kommunikation innerhalb desselben Pods und trägt so zu effizienten Anwendungen bei.

Wie funktioniert die horizontale Pod-Autoskalierung in Kubernetes Patterns?

  • Dynamische Skalierung: Die Anzahl der Pod-Replikate wird anhand der CPU-Auslastung oder anderer Metriken automatisch angepasst, damit Anwendungen mit wechselnder Last umgehen können.
  • Konfigurationsanforderungen: Für fundierte Skalierungsentscheidungen sind definierte Ressourcenanforderungen und ein laufender Metrikserver erforderlich.
  • Kontinuierliche Überwachung: Bestimmte Metriken werden überwacht und die Replikazahl entsprechend angepasst, um eine optimale Ressourcennutzung und Leistung zu gewährleisten.

Über den Autor

Bilgin Ibryam ist ein renommierter Autor und Experte für Cloud-native Technologien, insbesondere Kubernetes. Er verfügt über umfangreiche Erfahrung mit der Implementierung Cloud-nativer Plattformen für Unternehmenskunden, die sich in seinen Texten widerspiegelt. Ibryams Arbeit wird für ihre Klarheit und die Fähigkeit gelobt, komplexe Konzepte verständlich zu machen. Gemeinsam mit Roland Huß verfasste er „Kubernetes Patterns“ mit dem Ziel, eine Ressource zu schaffen, die dem Buch „Design Patterns“ der Gang of Four ähnelt, jedoch für die Container-Orchestrierung. Ibryams Fachwissen und praxisorientierter Ansatz haben ihn zu einer angesehenen Stimme in der Kubernetes-Community gemacht; er hilft Entwicklern und Ingenieuren, Cloud-native Lösungen besser zu verstehen und umzusetzen.

PDF herunterladen

Lade das kostenlose PDF herunter, um die Zusammenfassung von Kubernetes Patterns für später zu speichern. Du kannst es ausdrucken oder offline lesen, wann immer du möchtest.
Download PDF

EPUB herunterladen

Lade das kostenlose EPUB herunter, um die Zusammenfassung von Kubernetes Patterns auf deinem E-Reader oder in einer Lese-App zu lesen. Das digitale Buchformat .epub eignet sich ideal zum Lesen auf Smartphones, Tablets und E-Readern.
Download EPUB
Möchten Sie das vollständige Buch lesen?
Folgen
Anhören
Start
Swipe
Biblio
App
3 Tage Vollzugriff testen
Anhören, speichern und mehr
Funktionen vergleichen Kostenlos Pro
📖 Zusammenfassungen lesen
Unbegrenzt Zusammenfassungen lesen. Kostenlose Nutzer erhalten 3 pro Monat
🎧 Zusammenfassungen anhören
Unbegrenzt Zusammenfassungen in 40 Sprachen anhören
—
❤️ Unbegrenzte Lesezeichen
Kostenlose Nutzer sind auf 4 begrenzt
—
📜 Unbegrenzter Verlauf
Kostenlose Nutzer sind auf 4 begrenzt
—
📥 Unbegrenzte Downloads
Kostenlose Nutzer sind auf 1 begrenzt
—
Risikofreier Zeitplan
Heute: Sofortzugang erhalten
Vollständige Zusammenfassungen von über 26.000 Büchern anhören. Das sind über 12.000 Stunden Audio!
Tag 2: Erinnerung an Testphase
Wir senden Ihnen eine Benachrichtigung, dass Ihre Testphase bald endet.
Tag 3: Ihr Abonnement beginnt
Die Abbuchung erfolgt am 24. Nov.,
vorher jederzeit kündbar.
Consume 2.8× More Books
2.8× weitere Bücher Hören Lesen
Unsere Nutzer lieben uns
600,000+ Leser
Trustpilot Rating
TrustPilot
4.6 Hervorragend
Diese Seite ist ein absoluter Gamechanger. Ich habe noch nie so schnell Buchzusammenfassungen gelesen. Sehr, sehr empfehlenswert.
— Dave G
Das Geld und die Zeit absolut wert und wirklich gut gemacht. Eine solche Qualität von Zusammenfassungen habe ich auf anderen Websites noch nie gesehen. Sehr hilfreich!
— Em
Sehr empfehlenswert!! Fantastischer Service. Perfekt für alle, die mehr als einen Teaser möchten, aber nicht alle Details eines vollständigen Hörbuchs brauchen.
— Greg M
62 % sparen
Jährlich
$119.88 $44.99/Jahr/J.
$3.75/Mon.
Monatlich
$9.99/Mon.
3-tägige kostenlose Testphase starten
3 Tage kostenlos, dann $44.99/Jahr. Jederzeit kündbar.
Unlock a world of fiction & nonfiction books
26.000+ Bücher zum Preis von 2 Büchern
Lesen Sie jedes Buch in 10 Minuten
Entdecken Sie neue Bücher wie bei Tinder
Fordern Sie jedes Buch an, das noch nicht zusammengefasst ist
Lesen Sie mehr Bücher als jeder, den Sie kennen
Die Nr. 1 App für Buchliebhaber
Lifelike & immersive summaries
30-Tage-Geld-zurück-Garantie
Zusammenfassungen als EPUB oder PDF herunterladen
Jederzeit mit wenigen Klicks kündbar

Warum nur eine Zusammenfassung?

Scanner
Barcode zum Scannen finden

⭐
⭐
⭐
Wir haben ein besonderes Geschenk für Sie
Öffnen
38% Rabatt
RABATT FÜR DICH
⭐
⭐
⭐
$79.99
$49.99/Jahr
Nur $4.16 pro Monat
Weiter
Mit 2 Taps starten, ganz einfach kündigen
Einstellungen
Allgemein
Widget
Wird geladen...