Pod, Deployment, dan Service untuk Model
Petakan penyajian pembelajaran mesin ke objek inti Kubernetes.
Pod, Deployment, dan Service untuk Model adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 1 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.
Pod Adalah Unit Terkecil
Kubernetes tidak pernah menjalankan kontainer tanpa pembungkus. Unit terkecil yang dijadwalkannya adalah sebuah Pod, yaitu pembungkus yang berisi satu kontainer (server model Anda) serta jaringan bersama. 📦
Satu Server Model per Pod
Untuk melayani ML, biasanya Anda menempatkan satu kontainer API model di setiap Pod. Dengan begitu, penskalaan, mulai ulang, dan batas sumber daya setiap model lebih mudah dipahami.
Pod Bersifat Sekali Pakai
Sebuah Pod dapat mati kapan saja, baik karena kegagalan node maupun peningkatan versi. Anda tidak memberi nama atau merawatnya; biarkan cluster menggantinya untuk Anda.
Deployment Menjaga Pod Tetap Hidup
Deployment adalah pengendali yang sebenarnya Anda buat. Deployment menyatakan jumlah Pod model identik yang Anda inginkan dan membangun ulang Pod yang rusak atau hilang.
apiVersion: apps/v1
kind: Deployment
metadata:
name: model-api
spec:
replicas: 3Replika Memberi Anda Skala
Tetapkan replika menjadi 3 dan Anda akan langsung menjalankan tiga salinan server model. Naikkan jumlahnya, lalu Kubernetes menjalankan lebih banyak salinan untuk membagi beban.
Templat Pod
Di dalam Deployment, templat adalah cetak biru untuk setiap Pod: citra yang harus diambil, port tempat API model mendengarkan, serta kebutuhan sumber dayanya.
Pembaruan Bergulir Sudah Terintegrasi
Kirim citra model baru dan Deployment melakukan pembaruan bergulir, mengganti Pod lama sedikit demi sedikit agar prediksi terus berjalan tanpa waktu henti.
IP Pod Terus Berubah
Setiap Pod baru memperoleh IP internal yang baru. Klien tidak dapat terus mengikuti alamat yang berubah-ubah, jadi Anda memerlukan pintu depan stabil yang tidak berubah. 🔀
Layanan Adalah Pintu Depan Itu
Sebuah Service memberi Pod model Anda satu nama dan IP virtual yang tetap, lalu menyeimbangkan permintaan di antara replika yang sedang sehat.
apiVersion: v1
kind: Service
metadata:
name: model-api
spec:
selector:
app: model-api
ports:
- port: 80Label Menghubungkan Semuanya
Layanan menemukan Pod berdasarkan kecocokan label, bukan IP. Pemilih app=model-api menghubungkan layanan dengan setiap Pod yang memiliki label tersebut.
ClusterIP dan LoadBalancer
Layanan ClusterIP hanya dapat dijangkau dari dalam cluster, sehingga cocok untuk panggilan internal. Gunakan LoadBalancer atau Ingress saat pengguna eksternal memerlukan model.
Pemeriksaan Singkat
Objek apa yang harus Anda buat untuk menjalankan dan memulihkan Pod model secara otomatis?
Rangkuman
Pod menjalankan model Anda, Deployment menjaga jumlah yang tepat tetap hidup, dan layanan memberi klien satu alamat yang stabil. Ketiganya adalah inti penyajian model di Kubernetes. ✅
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 “Pod, Deployment, dan Service untuk Model” gratis?
Ya — teks lengkap “Pod, Deployment, dan Service untuk Model” 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 “Pod, Deployment, dan Service untuk Model”?
Petakan penyajian pembelajaran mesin ke objek inti Kubernetes. 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 1 dari 4.
Berapa lama pelajaran “Pod, Deployment, dan Service untuk Model” 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