Eine /health-Bereitschaftsprüfung hinzufügen
Melden Sie Orchestratoren, wann Ihr Dienst bereit ist, Anfragen zu bedienen.
Eine /health-Bereitschaftsprüfung hinzufügen ist eine kostenlose MLOps Academy-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 MLOps Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
How Does the Cluster Know?
Orchestrators like Kubernetes need a way to ask your service: are you alive, and are you ready to take traffic? A health endpoint answers that. 🩺
Liveness vs Readiness
Liveness asks if the process is running. Readiness asks if it can actually serve requests yet. They are two different questions.
A Trivial Health Route
The simplest check is a GET /health that returns ok. If the process can reply at all, it is at least alive.
@app.get("/health")
def health():
return {"status": "ok"}Readiness Needs the Model
For ML, alive is not enough. A real readiness check confirms the model finished loading before you accept prediction traffic.
Check the Loaded Model
You inspect app.state to see if the model is present. If it is still None, the service is not ready yet.
ready = app.state.model is not NoneSignal Not-Ready with 503
When the model is not loaded, return a 503 status so the orchestrator holds traffic back until you are ready.
from fastapi import HTTPException
raise HTTPException(status_code=503)Put It Together
A /ready route checks the model and returns ready or raises 503. The check stays fast and free of heavy work.
@app.get("/ready")
def ready(req: Request):
if req.app.state.model is None:
raise HTTPException(503)
return {"ready": True}Wire Up the Probes
In Kubernetes you point a readinessProbe at /ready and a livenessProbe at /health. The platform polls them on a schedule.
Keep Checks Lightweight
Probes run often, so a health check must be cheap. Never run a real model inference or hit a slow database inside it.
Smooth Zero-Downtime Deploys
Readiness checks enable rolling updates: new pods only get traffic once ready, so users never hit a half-started instance. 🚦
Why It Matters
Health and readiness endpoints make your model service a good citizen in any cluster, enabling safe scaling, restarts, and deploys. ✅
Quick Check
Your model is still loading and a readiness probe hits /ready. What should the endpoint return?
Recap
You split liveness from readiness, returned 503 until the model loads, and wired probes for safe deploys. Your service is cluster-ready! 🙌
Häufig gestellte Fragen
Ist die Lektion „Eine /health-Bereitschaftsprüfung hinzufügen“ kostenlos?
Ja — der vollständige Text von „Eine /health-Bereitschaftsprüfung hinzufügen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des MLOps Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Eine /health-Bereitschaftsprüfung hinzufügen“?
Melden Sie Orchestratoren, wann Ihr Dienst bereit ist, Anfragen zu bedienen. Du übst MLOps Academy 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 MLOps Academy zu starten?
Keine Vorkenntnisse erforderlich. MLOps Academy 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 „Eine /health-Bereitschaftsprüfung hinzufügen“?
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 MLOps Academy-Lektion Code schreiben und ausführen?
Ja. Jede MLOps Academy-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
- Ihr erster /predict-Endpunkt
- Anfragen mit Pydantic validieren
- Das Modell beim Start nur einmal laden
- Eine /health-Bereitschaftsprüfung hinzufügen