#Kubernetes
SVG Image

Kubernetes é uma plataforma de orquestração de contêineres que automatiza a implantação, o gerenciamento, o escalonamento e a rede de aplicações containerizadas. Ele é amplamente utilizado para gerenciar workloads de forma eficiente, resiliente e escalável, em diferentes ambientes (nuvem, on-premise ou híbrido).

Benefícios:
  • Portabilidade: permite executar workloads em qualquer infraestrutura (on-premise, nuvem pública ou híbrida).
  • Eficiência: distribui a carga e otimiza o uso de recursos entre os contêineres.
  • Escalabilidade: escala aplicações automaticamente conforme a demanda.
  • Segurança: oferece gerenciamento de segredos, RBAC e boas práticas de isolamento.
  • Alta disponibilidade: possui mecanismos de auto-cura para recuperar aplicações de falhas.
Ciclo de vida:
  • Planejamento: definir recursos, namespaces e políticas para a aplicação.
  • Desenvolvimento: criar e testar imagens de contêiner.
  • Implantação: aplicar manifests (Deployments, Services, ConfigMaps, Secrets) no cluster.
  • Operação: monitorar pods, nós e serviços em execução.
  • Monitoramento: acompanhar saúde, logs e métricas para manter o ambiente estável.
  • Escalonamento: aumentar ou reduzir réplicas automaticamente com base em utilização.
Arquitetura:
  • Control Plane (Master): componentes como API Server, Controller Manager, Scheduler e etcd, que orquestram e armazenam o estado do cluster.
  • Worker Nodes: máquinas que executam os pods por meio do kubelet; o kube-proxy gerencia a rede e o encaminhamento de tráfego.
Recursos:
  • Descoberta de serviços e balanceamento de carga: distribui o tráfego entre os pods automaticamente.
  • Rollouts e rollbacks automatizados: atualizações sem downtime e retorno rápido em caso de problema.
  • Auto-cura: recria contêineres que falharam ou ficaram indisponíveis.
  • Orquestração de armazenamento: integra volumes locais e remotos (NFS, EBS, etc.).
  • Gerenciamento de segredos e configuração: guarda credenciais e configs de forma segura.
  • Escalabilidade horizontal: adiciona ou remove réplicas automaticamente conforme a necessidade.
News
Rolf Rostock
@admin_inrbybx8 • 16 de outubro de 2024
Estratégias de Escalabilidade no Kubernetes
Horizontal Pod Scaling (HPA): Utiliza o Metrics Server e o API Server para monitorar o uso de recursos (CPU/memória) dos pods em execução. O HPA ajusta automaticamente a quantidade de pods em um nó, adicionando mais pods quando a carga aumenta, permitindo escalabilidade horizontal (scale out). Vertical Pod Scaling (VPA): Também utiliza o Metrics Server e o API Server, mas em vez de adicionar mais pods, ele ajusta os recursos de um pod específico, aumentando a quantidade de CPU e memória alocada. Isso permite a escalabilidade vertical (scale up), otimizando o desempenho dos pods existentes. Cluster Auto Scaling: O Cluster Auto Scaler atua ao detectar a necessidade de mais pods do que os nós existentes podem suportar. Ele se comunica com o Scheduler para lançar novos nós e assim acomodar os pods pendentes. Essa estratégia lança novos nós para o cluster conforme necessário, expandindo a infraestrutura de maneira automática. Manual Scaling: Aqui, o escalonamento é feito manualmente pelo administrador utilizando comandos do Kubectl para adicionar ou remover nós e pods. O administrador tem controle direto sobre o ajuste da infraestrutura. Predictive Scaling: Esse método utiliza previsões de Machine Learning para ajustar proativamente os recursos. Através de previsões feitas com base em eventos do KEDA (Kubernetes Event Driven Autoscaler), o controlador do cluster age antecipadamente, ajustando o balanceamento de recursos e evitando gargalos antes que ocorram. Custom Metrics Based Scaling: A escalabilidade é baseada em métricas personalizadas obtidas de um Custom Metrics Registry. O HPA ajusta o número de pods conforme essas métricas definidas pelo administrador, permitindo uma escala baseada em dados personalizados e não apenas em métricas de CPU e memória.
Rolf Rostock
@admin_inrbybx8 • 11 de setembro de 2024
Roadmap To Learn DevOps

O Roadmap para aprender DevOps abrange as principais tecnologias e ferramentas para formar um profissional completo na área. Começa com os Pré-requisitos de DevOps, seguido pelo estudo de Networking e o domínio do Linux e Shell Scripting para automatizar tarefas. O controle de versão é feito com Git & GitHub, e o conhecimento de Bancos de Dados também é necessário. Ferramentas como Docker facilitam a containerização, enquanto Jenkins é usado para integração contínua. AWS, Azure ou GCP são abordados na gestão de nuvem. Além disso, o roadmap inclui Kubernetes para orquestração de containers, Helm, Terraform, e o monitoramento com Prometheus & Grafana.

[lista_pages_per_id include_page_id=”11051,10219,10940,10926,10981,11054,10975,10963,10966,11236,10209,11275,11281,11304,11310,11314,11337,11340,11346,11351,11356,11361,11369,11325,10985″ pages_per_page=”50″]

Rolf Rostock
@admin_inrbybx8 • 16 de outubro de 2024
Estratégias de Escalabilidade no Kubernetes
Horizontal Pod Scaling (HPA): Utiliza o Metrics Server e o API Server para monitorar o uso de recursos (CPU/memória) dos pods em execução. O HPA ajusta automaticamente a quantidade de pods em um nó, adicionando mais pods quando a carga aumenta, permitindo escalabilidade horizontal (scale out). Vertical Pod Scaling (VPA): Também utiliza o Metrics Server e o API Server, mas em vez de adicionar mais pods, ele ajusta os recursos de um pod específico, aumentando a quantidade de CPU e memória alocada. Isso permite a escalabilidade vertical (scale up), otimizando o desempenho dos pods existentes. Cluster Auto Scaling: O Cluster Auto Scaler atua ao detectar a necessidade de mais pods do que os nós existentes podem suportar. Ele se comunica com o Scheduler para lançar novos nós e assim acomodar os pods pendentes. Essa estratégia lança novos nós para o cluster conforme necessário, expandindo a infraestrutura de maneira automática. Manual Scaling: Aqui, o escalonamento é feito manualmente pelo administrador utilizando comandos do Kubectl para adicionar ou remover nós e pods. O administrador tem controle direto sobre o ajuste da infraestrutura. Predictive Scaling: Esse método utiliza previsões de Machine Learning para ajustar proativamente os recursos. Através de previsões feitas com base em eventos do KEDA (Kubernetes Event Driven Autoscaler), o controlador do cluster age antecipadamente, ajustando o balanceamento de recursos e evitando gargalos antes que ocorram. Custom Metrics Based Scaling: A escalabilidade é baseada em métricas personalizadas obtidas de um Custom Metrics Registry. O HPA ajusta o número de pods conforme essas métricas definidas pelo administrador, permitindo uma escala baseada em dados personalizados e não apenas em métricas de CPU e memória.
Rolf Rostock
@admin_inrbybx8 • 11 de setembro de 2024
Roadmap To Learn DevOps

O Roadmap para aprender DevOps abrange as principais tecnologias e ferramentas para formar um profissional completo na área. Começa com os Pré-requisitos de DevOps, seguido pelo estudo de Networking e o domínio do Linux e Shell Scripting para automatizar tarefas. O controle de versão é feito com Git & GitHub, e o conhecimento de Bancos de Dados também é necessário. Ferramentas como Docker facilitam a containerização, enquanto Jenkins é usado para integração contínua. AWS, Azure ou GCP são abordados na gestão de nuvem. Além disso, o roadmap inclui Kubernetes para orquestração de containers, Helm, Terraform, e o monitoramento com Prometheus & Grafana.

[lista_pages_per_id include_page_id=”11051,10219,10940,10926,10981,11054,10975,10963,10966,11236,10209,11275,11281,11304,11310,11314,11337,11340,11346,11351,11356,11361,11369,11325,10985″ pages_per_page=”50″]