Ideas clave
Trata Kubernetes como un entorno de ejecución distribuido, no como un aparcamiento de contenedores
La plataforma añade nuevos bloques de construcción. Kubernetes hace más que iniciar contenedores. Proporciona primitivas distribuidas para el despliegue, el descubrimiento, la programación y la gestión del ciclo de vida. Una imagen de contenedor empaqueta una unidad de funcionalidad; un Pod agrupa contenedores que deben compartir ubicación y ciclo de vida; un Service ofrece a los clientes una forma estable de acceder a Pods que cambian. Estas abstracciones son comparables a construcciones de programación conocidas, pero operan entre máquinas en vez de dentro de un único proceso.
El buen software sigue siendo importante. Kubernetes puede automatizar y escalar una aplicación, pero no puede corregir límites de negocio confusos, código deficiente ni contenedores inadecuados. El libro se centra en patrones de orquestación, pero destaca que un diseño limpio y servicios bien definidos son requisitos previos para sacarles partido.
El cambio útil consiste en dejar de ver Kubernetes como una herramienta de línea de comandos y empezar a verlo como un contrato de entorno de ejecución. Esa perspectiva hace que el diseño de la plataforma se parezca al diseño de un sistema operativo: las aplicaciones reciben servicios del entorno, pero deben respetar sus interfaces. La advertencia sobre distribuir basura es más que una ocurrencia. La automatización amplifica tanto las buenas estructuras como las malas. Aun así, la orquestación no sustituye al modelado del dominio; una carga de trabajo dividida en muchos Pods puede seguir siendo un sistema mal diseñado.
Declara presupuestos de recursos para que el planificador pueda ubicar las cargas de trabajo de forma inteligente
Las solicitudes orientan la ubicación. El perfil de recursos de un contenedor indica qué necesita y hasta dónde puede crecer. Kubernetes utiliza las solicitudes de CPU y memoria para decidir si hay espacio en un nodo; los límites restringen el consumo. La CPU puede limitarse cuando hay escasez, mientras que un uso de memoria superior al permitido puede provocar la terminación del contenedor. Por ejemplo, un contenedor podría solicitar 100 millicores y 100 MiB de memoria, con límites de 200 millicores y 200 MiB.
Los perfiles determinan la supervivencia. El libro distingue entre Pods Best-Effort, sin solicitudes ni límites; Pods Burstable, con solicitudes y límites distintos; y Pods Guaranteed, con valores coincidentes. Las cuotas de espacio de nombres y los LimitRanges pueden restringir el uso agregado y evitar configuraciones extremas. Probar las cargas de trabajo reales ofrece a los equipos un punto de partida para planificar la capacidad.
Las declaraciones de recursos son tanto una previsión como una negociación con el planificador. Esto se parece a la planificación de capacidad en la industria manufacturera: no es posible asignar una línea de forma sensata si se desconocen las necesidades de cada producto. Pero las estimaciones pueden quedar obsoletas a medida que cambian el tráfico y el software. Las solicitudes demasiado altas desperdician capacidad; las demasiado bajas pueden dar lugar a una ubicación y un rendimiento engañosos. Estas declaraciones funcionan mejor como supuestos medidos que se revisan, no como verdades permanentes copiadas entre entornos.
Elige las versiones según el riesgo de compatibilidad, no por costumbre
Un Deployment registra la transición deseada. Los Deployments de Kubernetes gestionan grupos de Pods y automatizan su sustitución, el seguimiento de las actualizaciones y la reversión. Una actualización gradual reemplaza las instancias poco a poco, con ajustes que controlan cuántos Pods adicionales o no disponibles se permiten. Las comprobaciones de disponibilidad son importantes: una instancia no debería recibir tráfico ni contar como una sustitución satisfactoria antes de estar lista para atenderlo.
Distintos riesgos requieren distintas estrategias de versión. La estrategia Recreate detiene la versión anterior antes de iniciar la nueva y acepta el tiempo de inactividad para evitar la coexistencia de versiones. Blue-green mantiene disponibles los Deployments antiguo y nuevo, y luego cambia el Service para que apunte al nuevo conjunto, a costa de duplicar temporalmente la capacidad. Una versión canary introduce una pequeña muestra de la nueva versión antes de ampliarla. Estas estrategias determinan cómo reciben los usuarios una versión, no solo cómo se reemplazan los Pods.
La estrategia de lanzamiento es una elección sobre la incertidumbre. Una actualización gradual ahorra capacidad, mientras que blue-green consume capacidad para facilitar la reversión y el cambio del tráfico. Las versiones canary hacen que la exposición sea progresiva, pero una muestra pequeña solo resulta informativa si representa a usuarios y cargas de trabajo relevantes. La cuestión operativa no es qué estrategia parece más moderna, sino qué modo de fallo puede tolerar el servicio: tiempo de inactividad, coexistencia de versiones, infraestructura adicional o pruebas imperfectas.
Proporciona a Kubernetes señales de salud veraces y un comportamiento de apagado gradual
El estado del proceso no equivale a la salud de la aplicación. Un proceso puede seguir existiendo mientras la aplicación está bloqueada o no puede atender solicitudes. Una sonda de actividad comprueba si Kubernetes debería reiniciar un contenedor. Una sonda de disponibilidad responde a otra pregunta: si el contenedor debería recibir tráfico en ese momento. Puede mantener fuera de los endpoints del Service a una instancia que está arrancando o sobrecargada, sin reiniciarla.
El apagado forma parte de la interfaz. Cuando Kubernetes detiene un contenedor, envía SIGTERM y, por lo general, espera 30 segundos antes de enviar SIGKILL. Las aplicaciones deberían aprovechar ese intervalo para terminar las solicitudes activas, liberar conexiones y hacer limpieza. Los hooks del ciclo de vida, como postStart y preStop, ofrecen acciones adicionales, pero su sincronización y las garantías de ejecución son limitadas; por eso, el comportamiento crítico no debería depender únicamente de ellos.
Estas sondas convierten a la aplicación en participante de sus propias operaciones. En teoría de control, un sistema no puede regularse bien si su estado no es observable; las sondas proporcionan una señal pequeña y útil, no una explicación completa. Esa simplicidad también entraña riesgos. Una sonda que solo comprueba si responde un puerto puede considerar saludable un servicio degradado, mientras que una demasiado sensible puede provocar reinicios innecesarios. Las señales de salud deberían representar fallos que la acción correctiva elegida pueda resolver realmente.
Elige el controlador que se ajuste a la duración y singularidad del trabajo
Cada tipo de trabajo necesita garantías distintas. Un ReplicaSet mantiene disponible el número deseado de Pods de larga duración. Un Job ejecuta un trabajo finito hasta completarlo con éxito, con controles para el número de tareas completadas y de trabajadores en paralelo. Un CronJob añade un horario a ese trabajo. Un DaemonSet coloca un Pod en cada nodo o en los nodos seleccionados, a menudo para tareas de infraestructura como recopilar registros o métricas.
Una única instancia activa requiere precaución. Por lo general, una réplica de ReplicaSet permite recuperarse, pero no garantiza que dos instancias nunca se solapen durante una partición de red o una sustitución. Un comportamiento estrictamente singleton puede requerir elección de líder en la aplicación o las garantías de StatefulSet. Un PodDisruptionBudget puede limitar las expulsiones voluntarias durante el mantenimiento, pero no impide los fallos que no se pueden controlar.
El controlador expresa qué significa el trabajo. Un Job considera que el éxito consiste en terminar; un ReplicaSet, en mantener la presencia; un DaemonSet vincula la presencia a los nodos. Elegir la abstracción equivocada cambia silenciosamente el comportamiento ante fallos. Es como seleccionar la semántica de transacciones de una base de datos: la garantía deseada debe ser explícita. En particular, la disponibilidad y la singularidad pueden entrar en conflicto, así que una carga de trabajo singleton no debería suponer que un recuento de una réplica significa que se ejecutará como máximo una instancia.
Enruta mediante Services estables, nunca mediante direcciones de Pods desechables
Los Pods son reemplazables; sus direcciones no son promesas. Kubernetes asigna identidades de red dinámicas a los Pods, que pueden cambiar al reprogramarlos o al escalar. Un Service proporciona un endpoint estable con nombre y selecciona Pods disponibles como backends. Dentro del clúster, los clientes suelen poder descubrir el Service mediante DNS. Las variables de entorno también pueden exponer detalles del Service, pero solo a los Pods creados después de que exista el Service.
El acceso externo tiene varias capas. NodePort abre un puerto en los nodos del clúster; LoadBalancer puede conectar un Service con el balanceador de carga externo de un proveedor de nube. Ingress enruta tráfico a nivel de aplicación, normalmente HTTP, a través de puntos de entrada externos compartidos y puede dirigir distintas rutas o nombres de host a distintos Services. Un Service también puede representar endpoints configurados manualmente fuera del clúster.
La abstracción Service separa la promesa hecha a los clientes de los mecanismos que la cumplen. Es una forma potente de desacoplamiento: las implementaciones pueden cambiar mientras los consumidores siguen utilizando el mismo nombre. También hace visible el límite de las responsabilidades. ClusterIP gestiona el acceso interno, mientras que el enrutamiento externo depende de la infraestructura y del comportamiento del controlador. Los equipos deberían probar la ruta de red real, porque un objeto estable de Kubernetes no garantiza por sí solo que los cortafuegos, los balanceadores de carga y los protocolos de aplicación estén bien configurados.
Proporciona identidad, almacenamiento y pertenencia ordenada a las réplicas con estado
Las cargas de trabajo con estado no son copias intercambiables. Un StatefulSet asigna a cada Pod un nombre y un ordinal predecibles, puede crear un PersistentVolumeClaim separado para cada instancia y, de forma predeterminada, coordina en orden el inicio y la detención. Un Service headless que lo gobierna publica identidades DNS directas para Pods concretos, en vez de balancear todas las solicitudes entre ellos. Estas funciones permiten que las aplicaciones agrupadas encuentren a sus pares y vuelvan a conectarse a su propio almacenamiento.
La persistencia requiere operaciones deliberadas. Reducir la escala elimina Pods, pero deja deliberadamente sus claims, lo que disminuye la probabilidad de que una reducción accidental borre datos. Los StatefulSets procuran impedir identidades duplicadas, pero forzar la eliminación de un Pod o declarar muerto un nodo activo puede anular esa protección. La plataforma proporciona garantías útiles, no un plan completo de recuperación de bases de datos.
La idea de fondo es que el estado es más que el contenido del disco. Incluye identidad, ubicación de red y orden de pertenencia, aspectos que pueden ser importantes para una base de datos distribuida o un servicio de coordinación. Los StatefulSets hacen explícitas esas dimensiones en vez de fingir que todas las réplicas son desechables. Sin embargo, las garantías de infraestructura no entienden las reglas específicas de replicación, cuórum o copias de seguridad de una aplicación. Un volumen estable puede preservar datos corruptos con la misma fiabilidad que datos correctos, así que los procedimientos operativos siguen siendo esenciales.
Externaliza la configuración y luego elige el mecanismo de entrega seguro más sencillo
Mantén fuera de la imagen de la aplicación los ajustes específicos de cada entorno. Las variables de entorno funcionan bien para valores pequeños y sencillos. Los ConfigMaps almacenan configuración ordinaria, mientras que los Secrets están pensados para valores sensibles; ambos pueden proporcionar variables de entorno o archivos montados. Los archivos montados de ConfigMap pueden actualizarse mientras se ejecuta un Pod, aunque la aplicación debe detectar el cambio y volver a cargarlos. Las variables de entorno no cambian después de iniciar el proceso.
La complejidad debe justificar su coste. Los conjuntos de configuración grandes pueden encajar mejor en una imagen de configuración versionada que se copia a un volumen compartido, o en plantillas que un contenedor de inicialización procesa a partir de un conjunto menor de valores específicos del entorno. Estos enfoques reducen la duplicación, pero añaden imágenes y pasos operativos. Los valores de Secret se codifican en Base64, pero eso no es cifrado por sí solo; los controles de acceso y la protección del almacenamiento siguen siendo importantes.
La configuración es una forma de política ejecutable: cambia lo que hace un servicio sin modificar su código. Separarla de la imagen de la aplicación mejora la reutilización, pero cada capa de configuración adicional crea otro lugar donde puede haber divergencias o exposiciones accidentales. La progresión práctica del libro es valiosa: empezar con variables sencillas, utilizar recursos de la plataforma cuando los valores necesiten una gestión independiente y reservar las plantillas o imágenes de configuración para casos realmente grandes o complejos.
Compón contenedores en torno a funciones, no a conveniencias monolíticas agrupadas
Un Pod puede combinar procesos distintos sin fusionar sus funciones. Un Contenedor de inicialización se ejecuta hasta completarse antes de que se inicien los contenedores de la aplicación, por lo que sirve para tareas de preparación, como disponer archivos compartidos. Un Contenedor sidecar se ejecuta junto al contenedor principal para añadir una capacidad auxiliar. Por ejemplo, un contenedor puede servir archivos web mientras otro sincroniza esos archivos desde un repositorio.
Los auxiliares especializados cumplen funciones distintas. Un Adaptador transforma la salida de una aplicación a un formato estándar; por ejemplo, convierte métricas personalizadas para un sistema de monitorización. Un Ambassador actúa como proxy para acceder a servicios externos y oculta a la aplicación los detalles del descubrimiento o la conexión. Estos patrones mantienen imágenes y ciclos de lanzamiento separados, aunque cada contenedor adicional también consume recursos y debe supervisarse.
La composición de contenedores es una forma práctica de modularidad. Permite que los equipos añadan capacidades transversales sin reconstruir la aplicación, de manera parecida a utilizar componentes en un sistema en vez de incorporar todas las funciones en un único artefacto. El beneficio solo es real cuando los límites siguen siendo sencillos. Un contenedor auxiliar añade otro proceso, dependencia y modo de fallo. Si el comportamiento de un sidecar es inseparable de la aplicación principal, dividirlo puede crear complejidad operativa sin una reutilización significativa.
Usa la reconciliación para enseñar a Kubernetes las reglas operativas de tu aplicación
Los controladores comparan continuamente la realidad con un objetivo declarado. Su ciclo básico consiste en observar los cambios en los recursos, analizar la diferencia entre el estado actual y el deseado, y actuar mediante la API de Kubernetes. Los controladores integrados utilizan este enfoque para mantener Deployments y otros recursos; los controladores personalizados pueden añadir comportamientos a los objetos estándar de Kubernetes.
Los Operadores añaden recursos específicos del dominio. Un Operador es un controlador que utiliza CustomResourceDefinitions para representar conceptos propios de una aplicación o sistema. Un recurso puede describir una instalación de monitorización o un observador de configuración, mientras que su Operador se encarga del trabajo operativo. Los recursos personalizados pueden validarse e integrarse con las herramientas de Kubernetes, pero registrar sus definiciones suele requerir permisos elevados en el clúster. No todas las aplicaciones necesitan un Operador; los controladores ordinarios o los servicios independientes pueden ser más sencillos.
La reconciliación sustituye una secuencia frágil de comandos por una relación persistente entre la intención y el estado observado. Se parece al control por retroalimentación: el sistema corrige continuamente las diferencias en vez de suponer que un procedimiento ejecutado una sola vez tendrá éxito para siempre. El modelo es potente, pero los controladores asíncronos pueden ser difíciles de depurar, y los mal diseñados pueden repetir cambios perjudiciales. Una buena extensión tiene permisos limitados, informa del estado con claridad y define un estado objetivo al que se pueda llegar de forma segura más de una vez.
Escala entre Pods y nodos, y distingue las recomendaciones de los cambios automáticos
El escalado horizontal modifica el número de réplicas. Un HorizontalPodAutoscaler puede ajustar los Pods de un Deployment según métricas como la utilización de CPU, siempre que haya solicitudes de recursos y una fuente de métricas disponible. La métrica elegida debería responder de forma significativa a la incorporación de réplicas. Por ejemplo, el uso de memoria quizá no disminuya al añadir más instancias idénticas. Los retrasos y las reglas de estabilización ayudan a evitar oscilaciones rápidas.
El escalado vertical y el del clúster resuelven limitaciones distintas. Un Vertical Pod Autoscaler recomienda o modifica las solicitudes de recursos, pero aplicar los cambios puede requerir reiniciar los Pods. Un Cluster Autoscaler añade nodos para las cargas de trabajo que no se pueden programar y puede retirar nodos suficientemente infrautilizados cuando los Pods se pueden trasladar de forma segura. Estos mecanismos se complementan, pero unos escaladores automáticos mal coordinados pueden reaccionar en exceso o competir por los mismos recursos.
La elasticidad no es un único control, sino una jerarquía: ajustar la aplicación, dimensionar cada Pod, cambiar el número de Pods y, por último, ampliar o reducir el clúster. El orden importa, porque añadir réplicas no corregirá un código ineficiente, y añadir nodos puede ocultar estimaciones deficientes de recursos. El escalado automático también actúa a partir de mediciones retrasadas, no de una verdad instantánea. Su utilidad depende de escoger señales adecuadas y dejar tiempo suficiente para que la nueva capacidad esté lista.
Construye imágenes en el clúster solo cuando la integración compense el mayor riesgo de seguridad
La creación de imágenes puede utilizar la misma plataforma de programación que el despliegue. Construir en un clúster de Kubernetes puede reducir la necesidad de infraestructura separada y conectar los resultados de la compilación con los despliegues posteriores. El sistema de compilación de OpenShift admite Source-to-Image, que combina código fuente con una imagen constructora específica del lenguaje, además de otros enfoques de compilación. Los disparadores de cambio de imagen pueden vincular una imagen reconstruida con otra compilación o un despliegue.
El aislamiento de las compilaciones sigue siendo importante. Las compilaciones tradicionales de Docker dependen de un daemon con privilegios, lo que plantea problemas de seguridad cuando las instrucciones de compilación se ejecutan en el clúster. Herramientas sin daemon, como Kaniko, Buildah e img, ofrecen otras formas de crear imágenes sin ese modelo. El libro también describe Knative Build como una manera de expresar los pasos de compilación en forma de trabajo gestionado por Kubernetes, y señala que su implementación estaba evolucionando cuando se publicó.
La canalización de compilación también es una carga de trabajo con necesidades de recursos, seguridad y programación, así que alojarla en la misma plataforma puede simplificar las operaciones. Esa comodidad no debería difuminar el límite de confianza entre el código fuente no confiable y la infraestructura de producción. Los trabajos de compilación ejecutan instrucciones proporcionadas por los proyectos, por lo que el control de privilegios y el aislamiento son cuestiones centrales de diseño. La compilación en el clúster resulta más atractiva cuando la integración con eventos y el uso compartido de capacidad justifican la responsabilidad adicional de proteger el entorno de compilación.
Análisis
Kubernetes Patterns es un lenguaje de patrones técnicos, no un manual de instalación. Sus 24 patrones avanzan desde contratos fundamentales, como declarar recursos y exponer el estado de salud, hasta el comportamiento de las cargas de trabajo y la composición de Pods, para luego abordar la configuración, los controladores, el escalado y la creación de imágenes. La idea organizadora es que Kubernetes es un entorno de ejecución distribuido con un vocabulario para expresar la intención operativa. Los patrones hacen reutilizable ese vocabulario: un Job significa trabajo finito, un Service significa acceso estable a endpoints cambiantes y un StatefulSet significa instancias cuyas identidades y almacenamiento importan.
La principal aportación del libro es insistir en que la automatización depende de la colaboración de las aplicaciones. Un Deployment no puede hacer que un lanzamiento sea seguro si se informa incorrectamente de la disponibilidad; un planificador no puede ubicar bien las cargas de trabajo si no se solicitan recursos; un controlador no puede gestionar un dominio que no puede observar. Así se conectan el diseño de software y las operaciones mediante interfaces explícitas. También queda claro por qué las primitivas de Kubernetes no son recetas intercambiables. Cada una codifica una promesa distinta sobre sustitución, persistencia, disponibilidad o sincronización.
La principal limitación de este marco es que los nombres de los patrones pueden hacer que problemas complejos de producción parezcan más acotados de lo que son. Un StatefulSet proporciona identidad estable y asociación con el almacenamiento, no una replicación correcta de bases de datos. Una sonda proporciona una señal, no un diagnóstico completo. Un controlador reconcilia recursos, pero su comportamiento asíncrono puede ser difícil de entender. El libro reconoce muchos de estos compromisos, y los lectores deberían tratar cada patrón como un contrato inicial que se debe probar con su carga de trabajo, no como una garantía independiente de la configuración.
El modelo mental duradero es el de las responsabilidades por capas. El código de la aplicación se ocupa de la corrección del negocio; los contenedores empaquetan funcionalidad; los Pods definen grupos de ejecución estrechamente acoplados; los controladores mantienen el estado deseado; y la infraestructura del clúster proporciona capacidad y enrutamiento. Los mejores sistemas nativos de la nube surgen cuando cada capa tiene una función clara, expone las señales que necesita la siguiente y no promete garantías que no puede ofrecer realmente.
Resumen de reseñas
Kubernetes Patterns recibe críticas mayormente positivas; los lectores elogian su contenido atractivo, estructura clara y ejemplos prácticos. Muchos consideran que es valioso para comprender los conceptos y las prácticas recomendadas de Kubernetes. Algunos críticos aprecian el enfoque del libro para explicar patrones, mientras que otros consideran que ciertos «patrones» son simplemente funcionalidades básicas de Kubernetes. Se recomienda el libro a desarrolladores y administradores de sistemas que buscan profundizar sus conocimientos sobre Kubernetes, aunque quizá no resulte tan útil para profesionales con experiencia. En general, se considera un recurso útil para crear aplicaciones nativas de la nube.
También leyeron
Glosario
Demandas predecibles
Necesidades de ejecución declaradasUn patrón fundamental en el que los contenedores indican explícitamente sus requisitos de recursos y dependencias de ejecución. Las solicitudes y los límites de recursos ayudan a Kubernetes a programar las cargas de trabajo y gestionar la contención, mientras que las dependencias como el almacenamiento, los puertos, los ConfigMaps y los Secrets influyen en si un Pod puede iniciarse y dónde puede ejecutarse.
Deployment
Despliegue controlado de PodsUn recurso de Kubernetes que administra una cantidad deseada de Pods intercambiables y registra cómo deben actualizarse. Sus estrategias de despliegue pueden reemplazar los Pods gradualmente o detener el conjunto antiguo antes de iniciar el nuevo. Los Deployments también ofrecen capacidades para consultar el estado del despliegue y revertirlo.
Sondas de actividad
Comprobaciones de salud para reiniciosComprobaciones que Kubernetes realiza para decidir si se debe reiniciar un contenedor. Una sonda puede usar una solicitud HTTP, una conexión TCP o un comando. Su propósito es detectar fallos que un reinicio pueda remediar, como un proceso bloqueado que sigue ejecutándose.
Sondas de disponibilidad
Comprobaciones de disponibilidad para el tráficoComprobaciones que indican si un contenedor está listo para atender solicitudes en ese momento. Cuando falla una sonda de disponibilidad, Kubernetes elimina el Pod de los endpoints que usan los Services, sin que necesariamente se reinicie el contenedor. Esto puede proteger el tráfico durante el inicio o una sobrecarga temporal.
StatefulSet
Administrador de cargas de trabajo que conserva la identidadUn recurso de Kubernetes para administrar Pods que necesitan identidades estables, asociaciones con almacenamiento persistente o creación y terminación ordenadas. Asigna nombres y ordinales predecibles, puede crear una solicitud de almacenamiento independiente para cada Pod y funciona con un Service que lo gobierna para proporcionar identidades de red estables.
API Downward
Inyección de metadatos del PodUn mecanismo de Kubernetes que permite que cierta información del Pod o del contenedor esté disponible dentro de un contenedor, mediante variables de entorno o archivos montados. Los datos pueden incluir el nombre del Pod, el espacio de nombres, la dirección IP, las etiquetas, las anotaciones y las solicitudes o los límites de recursos. Permite que las aplicaciones accedan a los metadatos sin consultar directamente la API de Kubernetes.
Contenedor de inicialización
Contenedor para tareas de inicioUn contenedor de un Pod que se ejecuta antes que los contenedores de la aplicación. Los contenedores de inicialización se ejecutan en secuencia, y cada uno debe completarse correctamente antes de que comience el siguiente. Son útiles para tareas de preparación, como obtener archivos o comprobar requisitos previos, y pueden compartir volúmenes del Pod con los contenedores de la aplicación.
Contenedor sidecar
Contenedor auxiliar que se ejecuta junto a otroUn contenedor ubicado en el mismo Pod que el contenedor principal de una aplicación, para ampliar o respaldar su comportamiento. Los contenedores comparten la ubicación y el ciclo de vida del Pod, y pueden comunicarse mediante volúmenes compartidos o redes localhost. Entre sus funciones habituales están la sincronización, la supervisión y el soporte de red.
Controlador
Reconciliador del estado deseadoUn proceso que se ejecuta continuamente, observa los recursos de Kubernetes, compara su estado actual con el estado deseado y actúa para reducir la diferencia. Los controladores integrados administran recursos como los Deployments. Los controladores personalizados pueden añadir comportamiento al observar recursos estándar de Kubernetes a través de la API.
Operador
Controlador consciente de la aplicaciónUn controlador que utiliza CustomResourceDefinitions para representar conceptos específicos de una aplicación y automatizar su operación. Un Operador combina conocimientos de Kubernetes con conocimientos del sistema que administra. Sus recursos personalizados pueden describir las configuraciones deseadas, mientras que el Operador realiza las acciones correspondientes del ciclo de vida.
HorizontalPodAutoscaler
Escalador de réplicas basado en métricasUn recurso de Kubernetes que ajusta la cantidad de Pods de una carga de trabajo escalable, según las métricas observadas y los objetivos configurados. Puede usar métricas de recursos, como la CPU, y, con las integraciones adecuadas, métricas personalizadas o externas. Su eficacia depende de que las métricas respondan de manera significativa a los cambios en la cantidad de réplicas.
Preguntas frecuentes
¿De qué trata Kubernetes Patterns?
- Enfoque en las aplicaciones nativas de la nube: Kubernetes Patterns, de Bilgin Ibryam y Roland Huß, es una guía para diseñar aplicaciones nativas de la nube con Kubernetes, que pone énfasis en aplicaciones escalables, resilientes y fáciles de administrar.
- Elementos de diseño reutilizables: El libro destaca elementos reutilizables para el diseño de aplicaciones y ofrece soluciones prácticas a los desafíos habituales de despliegue en Kubernetes.
- Casos de uso reales: Se basa en experiencias del mundo real para ilustrar cómo aplicar patrones de manera eficaz, por lo que resulta valioso tanto para quienes empiezan a usar Kubernetes como para quienes ya tienen experiencia.
¿Por qué debería leer Kubernetes Patterns?
- Mejora tus habilidades con Kubernetes: Ideal para desarrolladores que buscan profundizar su comprensión de Kubernetes y mejorar sus habilidades de diseño de aplicaciones mediante prácticas recomendadas y patrones probados.
- Aprende de expertos: Escrito por profesionales con experiencia, recoge enseñanzas de diversos proyectos y ofrece a los lectores amplios conocimientos sobre el diseño de aplicaciones nativas de la nube.
- Orientación práctica: Los patrones son prácticos y aplicables a situaciones del mundo real, y sirven como guía para el desarrollo nativo de la nube.
¿Cuáles son las principales conclusiones de Kubernetes Patterns?
- Comprender los conceptos de Kubernetes: Abarca conceptos esenciales como Pods, Services y Deployments, y proporciona una base sólida para crear aplicaciones robustas.
- Patrones de diseño para aplicaciones: Presenta patrones como Demandas predecibles y sondas de salud, fundamentales para crear aplicaciones escalables y fáciles de mantener.
- Temas avanzados: Profundiza en patrones avanzados como los Operadores y los Controladores, esenciales para ampliar la funcionalidad de Kubernetes y administrar aplicaciones complejas.
¿Qué patrones fundamentales se analizan en Kubernetes Patterns?
- Demandas predecibles: Destaca la importancia de declarar los requisitos de recursos de los contenedores para ayudar a Kubernetes a tomar decisiones informadas sobre la programación.
- Despliegue declarativo: Se centra en estrategias de despliegue como las actualizaciones graduales y los despliegues blue-green para administrar actualizaciones de aplicaciones con un tiempo de inactividad mínimo.
- Sondas de salud: Analiza la implementación de sondas de actividad y de disponibilidad para supervisar el estado de las aplicaciones y garantizar que solo las instancias saludables atiendan el tráfico.
¿Cómo define Kubernetes Patterns un Job y cuál es su propósito?
- Definición de un Job por lotes: Un Job administra la ejecución de Pods hasta que termina correctamente una cantidad especificada de ellos; está diseñado para tareas finitas que requieren completarse de forma fiable.
- Fiabilidad y escalabilidad: Garantiza que las tareas se completen mediante el reinicio automático de los Pods cuando sea necesario; es adecuado para el procesamiento de datos o los trabajos por lotes.
- Ejecución en paralelo: Los Jobs pueden ejecutar varios Pods en paralelo, lo que permite procesar de manera eficiente tareas divididas en unidades más pequeñas e independientes.
¿Qué importancia tiene el patrón DaemonSet en Kubernetes Patterns?
- Pods centrados en la infraestructura: Despliega Pods en cada nodo o en subconjuntos específicos para proporcionar servicios de infraestructura esenciales, como el registro de eventos o la supervisión.
- Administración automática: Administra automáticamente el ciclo de vida de los Pods, lo que simplifica la gestión de los servicios de infraestructura en un clúster de Kubernetes.
- Operaciones específicas de cada nodo: Es útil para aplicaciones que necesitan realizar operaciones específicas de cada nodo, como acceder al almacenamiento local o supervisar el estado del nodo.
¿Cómo explica Kubernetes Patterns el patrón Singleton Service?
- Una única instancia activa: Garantiza que solo haya una instancia activa de un servicio, algo fundamental para tareas como los trabajos programados o el procesamiento de mensajes.
- Alta disponibilidad: Mantiene una única instancia activa y, al mismo tiempo, hace hincapié en la alta disponibilidad mediante controladores como los StatefulSets o los ReplicaSets.
- Descubrimiento de servicios: Utiliza Services sin clúster para proporcionar identidades de red estables y garantizar un acceso coherente al servicio singleton.
¿Qué patrones avanzados abarca Kubernetes Patterns?
- Operadores: Amplían la funcionalidad de Kubernetes al administrar aplicaciones complejas mediante controladores personalizados y automatizar el despliegue y el escalado.
- Escalado elástico: Analiza estrategias de escalado horizontal y vertical, utilizando funciones como el escalado automático horizontal de Pods para ajustar los recursos dinámicamente.
- Creación de imágenes: Se centra en crear imágenes de contenedores dentro del clúster de Kubernetes, lo que aumenta la eficiencia y reduce la complejidad.
¿Qué es la API Downward en Kubernetes Patterns?
- Inyección de metadatos: Permite que Kubernetes inyecte metadatos del Pod en las aplicaciones como variables de entorno o archivos, lo que favorece el conocimiento del propio contexto.
- Datos dinámicos y estáticos: Proporciona datos dinámicos, como la IP del Pod, y datos estáticos, como los límites de recursos, fundamentales para el registro de eventos y la supervisión.
- Aplicaciones independientes de Kubernetes: Permite que las aplicaciones sean independientes de Kubernetes, favoreciendo la portabilidad y la reutilización.
¿Cómo funciona el patrón Contenedor de inicialización en Kubernetes Patterns?
- Separación de responsabilidades: Permite separar las tareas de inicialización de los contenedores principales de la aplicación y realizar de manera independiente tareas como configurar permisos.
- Ejecución secuencial: Los contenedores de inicialización se ejecutan en secuencia, y cada uno debe completarse antes de que comience el siguiente, lo que garantiza que todo esté listo para la aplicación principal.
- Recursos compartidos: Comparte el espacio de nombres de red y los volúmenes de almacenamiento con los contenedores de la aplicación, lo que simplifica la preparación del entorno.
¿Qué es el patrón Contenedor sidecar en Kubernetes Patterns?
- Ampliación de la funcionalidad: Consiste en añadir un contenedor secundario a un Pod para ampliar o complementar la funcionalidad del contenedor principal.
- Casos de uso habituales: Se utiliza para el registro de eventos, la supervisión o la creación de proxies para solicitudes, lo que permite que la aplicación principal se centre en su funcionalidad esencial.
- Colaboración entre contenedores: Facilita el uso compartido de recursos y la comunicación dentro del mismo Pod, lo que da lugar a aplicaciones eficientes.
¿Cómo funciona el escalado automático horizontal de Pods en Kubernetes Patterns?
- Escalado dinámico: Ajusta automáticamente las réplicas de Pods según la utilización de la CPU u otras métricas, para que las aplicaciones puedan atender cargas variables.
- Requisitos de configuración: Requiere que se definan solicitudes de recursos y que haya un servidor de métricas en ejecución para tomar decisiones de escalado fundamentadas.
- Supervisión continua: Supervisa las métricas especificadas y ajusta las réplicas para mantener un uso óptimo de los recursos y un buen rendimiento.
Descargar PDF
Descargar EPUB
.epub es ideal para leer libros electrónicos en teléfonos, tabletas y lectores electrónicos.