Autoescala de pods de Kubernetes con métricas personalizadas

Para crear una infraestructura realmente ágil, es necesario escalar las cargas de trabajo en función del comportamiento de las aplicaciones en tiempo real, lo que significa que debe escalar sus cargas en función de la velocidad de las solicitudes, la longitud de las colas o las conexiones de base de datos. Este curso basado en texto lo guiará a través del proceso de extensión de HorizontalPodAutoscaler (HPA) usando métricas personalizadas y externas.Comenzará dominando los conceptos fundamentales de autoescala, definiendo la terminología clave y comprendiendo la arquitectura central de la canalización de métrica de Kubernetes. A partir de ahí, explorará cómo pasar de la escalabilidad basada en recursos a la escalable basada por aplicaciones. Qué aprenderá: Comprender la arquitectura central del servidor de métricas de Kubernetes y el controlador HPA; Configurar adaptadores de metrics personalizados para exponer datos específicos de la aplicación a Kubernete; Implementar políticas de escalamiento basadas en métricos del mundo real como tasas de solicitud HTTP y profundidad de cola de mensajes; Aplicar prácticas de observabilidad modernas para monitorear A través de explicaciones claras y ejemplos prácticos de configuración, aprenderá a diseñar, configurar y refinar las políticas de escalado automático que se adaptan a sus demandas específicas de carga de trabajo.A través de ejemplos de configuración prácticos, aprenderás a diseña, configura y refina las políticas que se ajustan a tus demandas de escalamiento automático. Este curso está diseñado para ingenieros de software, profesionales de DevOps y administradores de sistemas que son nuevos en el escalado avanzado de Kubernetes y desean ir más allá de las métricas básicas de CPU y memoria.No se requiere experiencia previa con adaptadores de métrica personalizados, aunque se recomienda una familiaridad básica con los conceptos de Kubertenes. Comience a leer hoy mismo para crear implementaciones de Kubernetes resilientes y de escalabilidad automática.