0Pricing
MLOps Academy · Leçon

Pods, déploiements et services pour les modèles

Associez la mise à disposition de modèles d’apprentissage automatique aux principaux objets Kubernetes.

Pods, déploiements et services pour les modèles est une leçon MLOps Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage MLOps Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours MLOps Academy comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

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: 3

Replicas 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: 80

Labels 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. ✅

Questions Fréquemment Posées

La leçon « Pods, déploiements et services pour les modèles » est-elle gratuite ?

Oui — le texte complet de « Pods, déploiements et services pour les modèles » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours MLOps Academy, passe à CoddyKit PRO. Le cours MLOps Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Pods, déploiements et services pour les modèles » ?

Associez la mise à disposition de modèles d’apprentissage automatique aux principaux objets Kubernetes. Tu pratiques MLOps Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer MLOps Academy ?

Aucune expérience préalable n'est requise. MLOps Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.

Combien de temps prend la leçon « Pods, déploiements et services pour les modèles » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon MLOps Academy ?

Oui. Chaque leçon MLOps Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Pods, déploiements et services pour les modèles
  2. Demander du CPU, de la mémoire et du GPU
  3. Configurer avec ConfigMaps et Secrets
  4. Exécuter l’entraînement comme tâche Kubernetes
← Retour à MLOps Academy