Konfigurasikan dengan ConfigMaps dan Secrets
Pisahkan konfigurasi model dan kredensial dari kode.
Konfigurasikan dengan ConfigMaps dan Secrets adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Jauhkan Konfigurasi dari Citra
Menyertakan jalur model atau ambang batas dalam kontainer memaksa Anda membangun ulang setiap kali melakukan penyesuaian. Kubernetes memungkinkan Anda memasukkan konfigurasi saat runtime. 🔧
ConfigMap Menyimpan Pengaturan Biasa
ConfigMap menyimpan pasangan kunci-nilai yang tidak rahasia: nama model, ukuran batch, dan tingkat pencatatan. Satu objek konfigurasi dapat dibaca oleh banyak Pod.
apiVersion: v1
kind: ConfigMap
metadata:
name: model-config
data:
MODEL_NAME: "ranker-v3"
BATCH_SIZE: "32"Masukkan sebagai Variabel Lingkungan
Cara paling sederhana adalah memetakan kunci ConfigMap ke variabel lingkungan. Kode Python Anda kemudian membaca os.environ sama seperti saat berjalan secara lokal.
Atau Pasang sebagai Berkas
Anda juga dapat memasang ConfigMap sebagai volume, sehingga setiap kunci menjadi sebuah berkas. Ini berguna untuk berkas konfigurasi lengkap yang diharapkan pemuat model berada di disk.
Rahasia untuk Data Sensitif
Token API, kata sandi basis data, dan kredensial registri harus disimpan dalam Secret, bukan ConfigMap. Gagasannya sama, tetapi diperlakukan sebagai rahasia oleh cluster.
Base64 Bukan Enkripsi
Nilai rahasia disimpan dalam bentuk berkode base64, yang hanya merupakan pengodean, bukan keamanan. Siapa pun yang memiliki akses baca dapat menguraikannya, jadi lindungi akses dengan cermat.
Enkripsi Rahasia Saat Tidak Digunakan
Untuk perlindungan sebenarnya, aktifkan enkripsi saat tidak digunakan di etcd atau gunakan pengelola eksternal seperti Vault. Base64 saja tidak akan menjaga kredensial model Anda tetap aman.
Gunakan Rahasia dengan Aman
Pasang Secret sebagai variabel lingkungan atau berkas, sama seperti ConfigMap. Utamakan berkas untuk token karena variabel lingkungan dapat bocor ke catatan dan cuplikan kerusakan.
envFrom:
- secretRef:
name: model-creds
- configMapRef:
name: model-configSatu Sumber, Banyak Pod
Perbarui ConfigMap sekali dan setiap Pod yang memasangnya dapat mengambil perubahan tersebut. Namun, penyisipan sebagai variabel lingkungan memerlukan mulai ulang Pod agar diperbarui.
Mulai Ulang untuk Mengambil Perubahan Variabel Lingkungan
Mengubah nilai yang digunakan sebagai variabel lingkungan tidak akan memuat ulang secara langsung. Picu mulai ulang bergulir pada Deployment agar Pod membaca konfigurasi baru.
Pisahkan Konfigurasi per Lingkungan
Simpan satu ConfigMap untuk setiap lingkungan, pengembangan dan produksi. Citra yang sama dengan konfigurasi berbeda berarti promosi model tidak memerlukan pembangunan ulang kontainer.
Pemeriksaan Singkat
Dari mana layanan model seharusnya memperoleh kata sandi basis datanya?
Rangkuman
Gunakan ConfigMap untuk pengaturan biasa dan Secret untuk pengaturan sensitif, masukkan keduanya saat runtime, lalu mulai ulang Pod untuk memperbarui nilai berbasis variabel lingkungan. ✅
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Konfigurasikan dengan ConfigMaps dan Secrets” gratis?
Ya — teks lengkap “Konfigurasikan dengan ConfigMaps dan Secrets” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Konfigurasikan dengan ConfigMaps dan Secrets”?
Pisahkan konfigurasi model dan kredensial dari kode. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.
Berapa lama pelajaran “Konfigurasikan dengan ConfigMaps dan Secrets” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Pod, Deployment, dan Service untuk Model
- Minta CPU, Memori, dan GPU
- Konfigurasikan dengan ConfigMaps dan Secrets
- Jalankan Pelatihan sebagai Kubernetes Job