Configurare con ConfigMap e Secret
Esternalizzi la configurazione del modello e le credenziali.
Configurare con ConfigMap e Secret è una lezione MLOps Academy gratuita su CoddyKit. Questa è la lezione 3 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento MLOps Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso MLOps Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
Keep Config Out of the Image
Baking model paths or thresholds into the container forces a rebuild for every tweak. Kubernetes lets you inject config at runtime instead. 🔧
ConfigMaps Hold Plain Settings
A ConfigMap stores non-secret key-value pairs: a model name, a batch size, a log level. One config object, many Pods reading from it.
apiVersion: v1
kind: ConfigMap
metadata:
name: model-config
data:
MODEL_NAME: "ranker-v3"
BATCH_SIZE: "32"Inject as Environment Variables
The simplest use is to map ConfigMap keys into env vars. Your Python code then reads os.environ exactly as it would locally.
Or Mount It as Files
You can also mount a ConfigMap as a volume, turning each key into a file. Handy for full config files your model loader expects on disk.
Secrets Are for Sensitive Data
API tokens, database passwords, and registry creds belong in a Secret, never a ConfigMap. Same idea, but treated as confidential by the cluster.
Base64 Is Not Encryption
Secret values are stored base64-encoded, which is just encoding, not security. Anyone with read access can decode them, so guard access carefully.
Encrypt Secrets at Rest
For real protection, enable encryption at rest in etcd or use an external manager like Vault. Base64 alone never keeps your model credentials safe.
Consume a Secret Safely
Mount a Secret as env vars or files just like a ConfigMap. Prefer files for tokens, since env vars can leak into logs and crash dumps.
envFrom:
- secretRef:
name: model-creds
- configMapRef:
name: model-configOne Source, Many Pods
Update a ConfigMap once and every Pod that mounts it can pick up the change. Env-var injections, though, need a Pod restart to refresh.
Restart to Pick Up Env Changes
Changing a value used as an env var does not hot-reload. Trigger a rolling restart of the Deployment so Pods read the new configuration.
Separate Config per Environment
Keep one ConfigMap per environment, dev and prod. Same image, different config, means promoting a model never means rebuilding the container.
Quick Check
Where should a model service get its database password?
Recap
Use a ConfigMap for plain settings and a Secret for sensitive ones, inject both at runtime, and restart Pods to refresh env-based values. ✅
Domande Frequenti
La lezione «Configurare con ConfigMap e Secret» è gratuita?
Sì — il testo completo di «Configurare con ConfigMap e Secret» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso MLOps Academy, passa a CoddyKit PRO. Il corso MLOps Academy include 4 lezioni in totale.
Cosa imparerò in «Configurare con ConfigMap e Secret»?
Esternalizzi la configurazione del modello e le credenziali. Eserciti MLOps Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare MLOps Academy?
Non è richiesta alcuna esperienza precedente. MLOps Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 3 di 4.
Quanto tempo richiede la lezione «Configurare con ConfigMap e Secret»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione MLOps Academy?
Sì. Ogni lezione MLOps Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Pod, deployment e service per i modelli
- Richiedere CPU, memoria e GPU
- Configurare con ConfigMap e Secret
- Eseguire l'addestramento come Kubernetes Job