Container und Orchestrierung mit Kubernetes
Lernen Sie, wie Container Services paketieren und wie Kubernetes sie plant, skaliert und repariert – die Grundlage für eine beherrschbare Bereitstellung von Microservices und Serverless-Anwendungen.
Container und Orchestrierung mit Kubernetes ist eine kostenlose API Rate Limiting & Scalability Patterns-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des API Rate Limiting & Scalability Patterns-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der API Rate Limiting & Scalability Patterns-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
Why Containers
Microservices multiply the number of deployable units. Containers package each service with its dependencies into a portable, isolated image that runs the same everywhere.
Image vs. Container
An image is the immutable blueprint; a container is a running instance of it. You build an image once and run many identical containers from it.
FROM node:20-alpine
WORKDIR /app
COPY . .
RUN npm ci
CMD ["node", "server.js"]The Orchestration Problem
Running a few containers by hand is easy. Running hundreds across many machines — restarting crashes, balancing load, rolling out updates — needs an orchestrator.
Kubernetes Basics
Kubernetes schedules containers onto a cluster of machines and keeps them running. Core objects:
- Pod — one or more containers that run together
- Deployment — declares desired replicas
- Service — stable network endpoint
Declarative Desired State
You declare what you want; Kubernetes makes reality match. Ask for 3 replicas and it keeps 3 alive, restarting any that die.
apiVersion: apps/v1
kind: Deployment
spec:
replicas: 3
selector:
matchLabels:
app: ordersSelf-Healing
If a node fails or a container crashes, Kubernetes reschedules the pod elsewhere automatically. The system converges back to the declared state without manual intervention.
Health Probes
Kubernetes uses probes to know container state:
- liveness — restart if it is hung
- readiness — only send traffic when ready
readinessProbe:
httpGet:
path: /healthz
port: 8080
initialDelaySeconds: 5Horizontal Pod Autoscaling
The Horizontal Pod Autoscaler adds or removes pods based on metrics like CPU, letting microservices scale out under load and back in when quiet.
minReplicas: 2
maxReplicas: 20
targetCPUUtilizationPercentage: 70Rolling Updates
Deploying a new version replaces pods gradually, keeping the service available throughout. If the new version misbehaves, Kubernetes can roll back to the previous one.
How This Powers Serverless
Many serverless and Functions-as-a-Service platforms run on top of Kubernetes. Understanding pods, autoscaling, and probes demystifies what happens beneath a deployed function.
Resource Requests and Limits
Each container declares a CPU and memory request (what it needs to be scheduled) and a limit (its hard ceiling). Correct values let the scheduler pack nodes efficiently and stop one greedy pod from starving its neighbors.
resources:
requests:
cpu: 250m
memory: 256Mi
limits:
cpu: 500m
memory: 512MiQuick Check
Test your orchestration knowledge.
Recap
You learned the container platform behind scalable services:
- Containers package services portably
- Kubernetes schedules and self-heals them
- Probes guide restarts and traffic
- Autoscaling and rolling updates keep services elastic and available
Lerne API Rate Limiting & Scalability Patterns mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 12
- Lektionen
- 48
Häufig gestellte Fragen
Ist die Lektion „Container und Orchestrierung mit Kubernetes“ kostenlos?
Ja — der vollständige Text von „Container und Orchestrierung mit Kubernetes“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des API Rate Limiting & Scalability Patterns-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der API Rate Limiting & Scalability Patterns-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Container und Orchestrierung mit Kubernetes“?
Lernen Sie, wie Container Services paketieren und wie Kubernetes sie plant, skaliert und repariert – die Grundlage für eine beherrschbare Bereitstellung von Microservices und Serverless-Anwendungen. Du übst API Rate Limiting & Scalability Patterns mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um API Rate Limiting & Scalability Patterns zu starten?
Keine Vorkenntnisse erforderlich. API Rate Limiting & Scalability Patterns auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Container und Orchestrierung mit Kubernetes“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser API Rate Limiting & Scalability Patterns-Lektion Code schreiben und ausführen?
Ja. Jede API Rate Limiting & Scalability Patterns-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Skalierung mit Microservices-Architektur
- Serverless-Funktionen für ereignisgesteuerte APIs
- Konzepte und Vorteile von Service-Meshes
- Container und Orchestrierung mit Kubernetes