Pods, Deployments y Services para modelos
Adapte el servicio de ML a los objetos fundamentales de Kubernetes.
Pods, Deployments y Services para modelos es una lección gratuita de MLOps Academy en CoddyKit. Esta es la lección 1 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de MLOps Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de MLOps Academy incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
The Pod Is the Smallest Unit
Kubernetes never runs a bare container. The smallest thing it schedules is a Pod, a wrapper holding one container (your model server) plus its shared network. 📦
One Model Server per Pod
For ML serving you usually put one model API container in each Pod. That keeps scaling, restarts, and resource limits simple to reason about per model.
Pods Are Disposable
A Pod can die at any moment, on a node failure or an upgrade. You never name or nurse one; you let the cluster replace it for you.
Deployments Keep Pods Alive
A Deployment is the controller you actually create. It says how many identical model Pods you want and rebuilds any that crash or vanish.
apiVersion: apps/v1
kind: Deployment
metadata:
name: model-api
spec:
replicas: 3Replicas Give You Scale
Set replicas to 3 and you instantly run three copies of your model server. Bump the number and Kubernetes spins up more to share the load.
The Pod Template
Inside a Deployment, the template is the blueprint for every Pod: which image to pull, what port the model API listens on, and its resource needs.
Rolling Updates Are Built In
Ship a new model image and the Deployment does a rolling update, replacing old Pods a few at a time so predictions keep flowing with no downtime.
Pod IPs Keep Changing
Every new Pod gets a fresh internal IP. Clients cannot chase moving targets, so you need a stable front door that does not change. 🔀
The Service Is That Front Door
A Service gives your model Pods one steady name and virtual IP, then load-balances requests across whichever replicas are currently healthy.
apiVersion: v1
kind: Service
metadata:
name: model-api
spec:
selector:
app: model-api
ports:
- port: 80Labels Wire It Together
A Service finds its Pods by matching labels, not IPs. The selector app=model-api links the Service to every Pod carrying that same label.
ClusterIP vs LoadBalancer
A ClusterIP Service is reachable only inside the cluster, fine for internal calls. Use LoadBalancer or an Ingress when external users need the model.
Quick Check
Which object should you create to run and self-heal model Pods?
Recap
Pods run your model, a Deployment keeps the right number alive, and a Service gives clients one stable address. That trio is the core of serving on Kubernetes. ✅
Preguntas frecuentes
¿La lección «Pods, Deployments y Services para modelos» es gratis?
Sí — el texto completo de «Pods, Deployments y Services para modelos» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de MLOps Academy, actualiza a CoddyKit PRO. El curso de MLOps Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Pods, Deployments y Services para modelos»?
Adapte el servicio de ML a los objetos fundamentales de Kubernetes. Practicas MLOps Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar MLOps Academy?
No se requiere experiencia previa. MLOps Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 1 de 4.
¿Cuánto tiempo toma la lección «Pods, Deployments y Services para modelos»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de MLOps Academy?
Sí. Cada lección de MLOps Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Pods, Deployments y Services para modelos
- Solicite CPU, memoria y GPU
- Configure con ConfigMaps y Secrets
- Ejecute el entrenamiento como un Job de Kubernetes