Pods, implantações e serviços para modelos
Mapeie a disponibilização de modelos de aprendizado de máquina nos principais objetos do Kubernetes.
Pods, implantações e serviços para modelos é uma aula grátis de MLOps Academy no CoddyKit. Esta é a aula 1 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de MLOps Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de MLOps Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
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. ✅
Perguntas Frequentes
A aula “Pods, implantações e serviços para modelos” é grátis?
Sim — o texto completo de “Pods, implantações e serviços para modelos” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de MLOps Academy, atualize para CoddyKit PRO. O curso de MLOps Academy inclui 4 aulas no total.
O que vou aprender em “Pods, implantações e serviços para modelos”?
Mapeie a disponibilização de modelos de aprendizado de máquina nos principais objetos do Kubernetes. Você pratica MLOps Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar MLOps Academy?
Nenhuma experiência prévia é necessária. MLOps Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 4.
Quanto tempo leva a aula “Pods, implantações e serviços para modelos”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de MLOps Academy?
Sim. Cada aula de MLOps Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Pods, implantações e serviços para modelos
- Solicite CPU, memória e GPU
- Configure com ConfigMaps e Secrets
- Execute o treinamento como um trabalho do Kubernetes