Lección 20 de 25 · Lectura y práctica
Quiz: Gestión avanzada en Kubernetes
Tipo de lección: QuizEvaluación del móduloResponde estas preguntas para comprobar que puedes aplicar los criterios principales del módulo.
Del concepto a la práctica
Taller de esta lección
Este quiz comprueba decisiones, no memorización de comandos. Cada respuesta debe distinguir configuración, observación y evidencia. Para resolverlo, calcula primero con las unidades entregadas y después justifica qué dato falta cuando no sea posible concluir.
Ejemplo resuelto
Pregunta: un HPA tiene 2 pods, request de 500m, consumo medio de 250m y objetivo de 50 %. ¿Debe escalar? No: 250/500 = 50 %, por lo que la utilización coincide con el objetivo. Pregunta adicional: tres alertas de latencia sin tráfico suficiente no demuestran degradación del modelo; falta tamaño de muestra.
Pruébalo
Responde cuatro preguntas sobre requests, HPA, drift y alertas.
Escribe la fórmula usada en cada cálculo.
Marca qué afirmación requiere métricas adicionales.
Compara tus respuestas con los criterios del curso.
Error frecuente: elegir “más pods siempre” como solución; corrige comprobando cuello de botella, métrica y límites.
Comprueba tu resultado
Resuelve: 4 pods consumen 120m cada uno con request de 300m y objetivo de 60 %. La utilización es 40 %, así que la propuesta teórica es reducir a tres (sujeta a política), sin aumentar por CPU. En otra pregunta, 8 errores entre 200 respuestas equivalen a 4 %, no 8 %.
Preguntas numéricas y clave
Dos Pods/request500m/consumo250m/objetivo50%: utilización50%, techo(2×50/50)=2; no cambia la recomendación teórica.
Cuatro Pods/request300m/consumo120m/objetivo60%: utilización40%, techo(4×40/60)=3; existe recomendación ideal de reducir, limitada por mínimo y estabilización. No justifica aumentar réplicas.
Ocho errores entre200 solicitudes de una misma ventana:4%, siempre que total incluya las fallidas. Un contador acumulativo requiere deltas o tasas.
¿Tres alertas de latencia prueban degradación del modelo? No. La operación requiere ventana/tamaño/contexto y la calidad predictiva requiere etiquetas u otra evaluación apropiada; drift de entradas es una señal distinta.
Escribe fórmula, unidades y supuesto en cada respuesta. Distingue resultado aritmético, configuración y observación real del controlador. Si no hay métrica disponible no puedes concluir que escaló; consulta su estado. Una solución que propone siempre más réplicas no supera la evaluación porque confunde carga, fallos y calidad.

Mapa de prácticaEl código se empaqueta en una imagen y se prueba antes de publicarlo. Esa misma imagen se guarda en un registro y se usa en el despliegue. Comprobar la salud de las instancias permite detectar un fallo sin reconstruir el artefacto.
Ver la infografía en tamaño completo ↗Tipo de lección: Quiz
Evaluación del módulo
Responde estas preguntas para comprobar que puedes aplicar los criterios principales del módulo.
Sigue con Containerización y Despliegue de Modelos ML con Docker y Kubernetes
Esta lección forma parte de un curso de Cursalo. Revisa su programa y elige entre la compra individual o el acceso a toda la escuela.
Si ya tenías acceso a este curso, entra con tu cuenta: tus derechos y tu progreso se conservan. No necesitas comprarlo de nuevo.