Pod, deployment e service per i modelli
Mappi il serving ML sugli oggetti fondamentali di Kubernetes.
Pod, deployment e service per i modelli è una lezione MLOps Academy gratuita su CoddyKit. Questa è la lezione 1 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.
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. ✅
Domande Frequenti
La lezione «Pod, deployment e service per i modelli» è gratuita?
Sì — il testo completo di «Pod, deployment e service per i modelli» 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 «Pod, deployment e service per i modelli»?
Mappi il serving ML sugli oggetti fondamentali di Kubernetes. 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 1 di 4.
Quanto tempo richiede la lezione «Pod, deployment e service per i modelli»?
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