Saltar al contenido

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

  1. Responde cuatro preguntas sobre requests, HPA, drift y alertas.

  2. Escribe la fórmula usada en cada cálculo.

  3. Marca qué afirmación requiere métricas adicionales.

  4. 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

  1. Dos Pods/request500m/consumo250m/objetivo50%: utilización50%, techo(2×50/50)=2; no cambia la recomendación teórica.

  2. 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.

  3. Ocho errores entre200 solicitudes de una misma ventana:4%, siempre que total incluya las fallidas. Un contador acumulativo requiere deltas o tasas.

  4. ¿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.

Secuencia de código, imagen de contenedor, pruebas, registro y despliegue de instancias idénticas.
CursaloMapa de práctica
Del código al despliegue

El 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.

01 / ELEGIR UNA RUTA

El próximo paso

Aprende IA mientras construyes algo que sí necesitas.

Empieza por el curso inicial o explora el catálogo para encontrar una práctica alineada con tu trabajo.