book

Gestión de datos nativos de la nube en Kubernetes

by Jeff Carpenter, Patrick McFadin

October 2024

Intermediate to advanced

332 pages

10h 49m

Spanish

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Por qué escribimos este libro¿A quién va dirigido este libro?Cómo leer este libroConvenciones utilizadas en este libroUtilizar ejemplos de códigoAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientos
Tipos de infraestructuras¿Qué son los datos nativos de la nube?Más infraestructuras, más problemasKubernetes lidera el caminoGestión de la informática en KubernetesGestionar la red en KubernetesGestión del almacenamiento en KubernetesComponentes de datos nativos de la nubeDe cara al futuroPrepararse para la RevoluciónAdoptar una mentalidad SREAdoptar la informática distribuidaPrincipios de la infraestructura de datos nativa de la nubeResumen
Docker, Contenedores y EstadoGestionar el estado en DockerFijacionesVolúmenesMontajes TmpfsControladores de volumenRecursos de Kubernetes para el almacenamiento de datosPods y VolúmenesVolúmenesPersistentesReclamacionesVolumenPersistenteClasesDeAlmacenamientoArquitectura de almacenamiento de KubernetesFlexvolumenInterfaz de almacenamiento de contenedoresAlmacenamiento adosado a contenedoresInterfaz de almacenamiento de objetos en contenedoresResumen
Por las malasRequisitos previos para ejecutar la infraestructura de datos en KubernetesEjecutar MySQL en KubernetesConjuntosRéplicaImplementacionesServiciosAcceder a MySQLEjecutar Apache Cassandra en KubernetesConjuntos de estadosAcceder a CassandraResumen
Implementación de aplicaciones con gráficos de HelmUso de Helm para la Implementación de MySQLCómo funciona HelmEtiquetasCuentasServicioSecretosConfigMapsActualización de los gráficos de HelmDesinstalar los gráficos de HelmUso de Helm para la Implementación de Apache CassandraAfinidad y antiafinidadHelm, CI/CD y OperacionesResumen
Ampliación del plano de control de KubernetesAmpliación de clientes KubernetesAmpliación de los componentes del plano de control de KubernetesAmpliación de los componentes del nodo trabajador de KubernetesEl Patrón OperadorControladoresRecursos personalizadosOperariosGestión de MySQL en Kubernetes mediante el operador VitessVisión general de VitessPlanetScale Operador VitessUn creciente ecosistema de operadoresElegir operadoresOperarios de edificiosResumen
K8ssandra: Cassandra listo para producción en KubernetesK8ssandra ArquitecturaInstalación del Operador K8ssandraCrear un K8ssandraClusterGestión de Cassandra en Kubernetes con Cass OperatorFacilitar la productividad de los desarrolladores con las API de StargateInfraestructura unificada de monitoreo con Prometheus y GrafanaRealizar reparaciones con Cassandra ReaperCopia de seguridad y restauración de datos con Cassandra MedusaCrear una copia de seguridadRestaurar desde copia de seguridadImplementación de aplicaciones multiclúster en KubernetesResumen
Por qué es necesario un enfoque nativo de KubernetesAcceso híbrido a los datos a escala con TiDBArquitectura TiDBImplementación de TiDB en KubernetesCassandra sin servidor con DataStax Astra DBQué buscar en una base de datos nativa de KubernetesRequisitos básicosEl futuro de Kubernetes NativeResumen
Introducción al StreamingTipos de entregaGarantías de entregaAlcance de la funciónEl papel del streaming en KubernetesStreaming en Kubernetes con Apache PulsarPreparar tu entornoAsegurar las comunicaciones por defecto con cert-managerUso de Helm para la Implementación de Apache PulsarAnálisis de flujos con Apache FlinkImplementación de Apache Flink en KubernetesResumen

Introducción a la AnalíticaImplementación de cargas de trabajo analíticas en KubernetesIntroducción a Apache SparkImplementación de Apache Spark en KubernetesConstruye tu contenedor a medidaEnvía y ejecuta tu solicitudOperador de Kubernetes para Apache SparkProgramadores alternativos para KubernetesApache YuniKornVolcánMotores analíticos para KubernetesDaskRayResumen
La pila de IA/ML nativa de la nubeDefiniciones AI/MLDefinir una pila de IA/MLServicio de modelos en tiempo real con KServeGestión completa del ciclo de vida de las funciones con FeastBúsqueda de similitud vectorial con MilvusMovimiento eficiente de datos con Apache ArrowAlmacenamiento de objetos versionado con lakeFSResumen
La visión: Plataformas conscientes de las aplicacionesTrazar tu camino hacia el éxitoPersonasTecnologíaProcesoEl futuro de los datos nativos de la nubeResumen

Content preview from Gestión de datos nativos de la nube en Kubernetes

Capítulo 10. Aprendizaje automático y otros casos de uso emergentes

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

En capítulos anteriores, cubrimos la infraestructura de datos tradicional, incluidas las bases de datos, las plataformas de streaming y los motores analíticos, centrándonos en Kubernetes. Ahora es el momento de empezar a mirar más allá, explorando los proyectos y comunidades que están empezando a hacer de la nube nativa su destino, especialmente en lo que se refiere a IA y ML.

Siempre que varias flechas empiecen a apuntar en la misma dirección, merece la pena prestar atención. Todas las flechas direccionales de la infraestructura de datos apuntan a una macrotendencia general de convergencia en Kubernetes, apoyada por varias tendencias interrelacionadas:

Están surgiendo pilas comunes para gestionar cargas de trabajo de IA/ML de cálculo intensivo, incluidas las que aprovechan hardware específico como las GPU.
Los formatos de datos comunes están ayudando a promover el movimiento eficiente de los datos a través de los recursos informáticos, de red y de almacenamiento.
El almacenamiento de objetos se está convirtiendo en una capa de persistencia común para la infraestructura de datos.

En este capítulo, examinaremos varias tecnologías emergentes que encarnan estas tendencias, los casos de uso que permiten y cómo contribuyen a ayudarte a gestionar mejor los valiosos recursos de computación, red y almacenamiento. ...