Kubernetes Schulung
Kubernetes Administration: der komplette Praxisworkshop
Professionelle Administration von Kubernetes Clustern der
aktuellsten Version.
Verlängerte Schulungsdauer über 5 Tage für vertiefte Inhalte. Praxisnahe Vermittlung mit Hands‑on‑Labs.
Durchführung ab 2 Teilnehmenden.
Überblick
Professionelle Administration von Kubernetes Clustern der
aktuellsten Version.
Verlängerte Schulungsdauer über 5 Tage für
vertiefte Inhalte. Praxisnahe Vermittlung mit Hands‑on‑Labs.
Durchführung ab 2 Teilnehmenden.
- Format: Online
- Sprache: Deutsch
- Dozent: Oliver Liebel (Red Hat Partner)
- Dauer: 5 Tage
- Preis: 3.075,00 € pro Person zzgl. MwSt.
- Zielgruppe: Linux‑/DevOps‑Teams, Administratoren, Architekten
- Voraussetzungen: Solide Linux‑Grundlagen, Basiswissen Container/Kubernetes von Vorteil
- Alternative Formate: Inhouse/Firmenschulung, Online oder bei Ihnen vor Ort. Inhalte und Dauer werden auf Wunsch an die Anforderungen Ihres Teams angepasst. Preis nach Angebot.
- Kursmaterial: Inklusive. Aktuelle GitOps- und Container- Publikationen des Dozenten (über 1.800 Seiten) als personalisierte PDFs.
Agenda
- Überblick über Containerisierung und Orchestrierung
- Kubernetes-Architektur und -Komponenten
- Commandline Tools und UIs
- Automation durch IaC: Installieren und Konfigurieren eines Kubernetes-Clusters
- Erstellen und Verwalten von Pods
- Skalieren von Anwendungen mit Deployments
- Einsatzgebiete für DaemonSets und StatefulSets
- Custom Ressource Definitions
- Healthchecks
- Pod Scheduling verstehen und steuern: Pod Priorities, QoS Classes, PodTopologySpreadConstraints, PodDisruptionBudgets, (Anti-)Affinities, Descheduling/Re-Balancing
- Erstellen und Verwalten von Services
- Service Discovery und Load Balancing
- Interne und externe DNS Konfiguration
- Ingress-Controller und Ressourcen verstehen und einsetzen
- Traffic Routing auf verschiedene Backends
- API-Gateways unter Kubernetes
- Service Meshes in der Praxis
- Verstehen der Speicheroptionen in Kubernetes
- Erstellen und Verwalten von Persistent Volumes über Persistent Volume Claims
- StorageClasses und Provisioner
- Konfigurieren der dynamischen Volume-Bereitstellung
- Snapshots und VolumeGroupSnapshots
- Arbeiten mit ConfigMaps und Secrets
- Pod Restarts bei ConfigMap/Secret Changes
- Verwalten von Umgebungsvariablen in Pods und Deployments
- Verwenden von Helm für Paketmanagement und Deployment
- Implementieren von Monitoring und Alerting mit Prometheus und Grafana
- Prometheus anpassen: eigene Rules und ServiceMonitore
- Logging Stacks: ElasticSearch, Loki
- Fehlerbehebung und Optimierung der Cluster-Performance
- Implementieren von RBAC (Rollenbasierte Zugriffskontrolle)
- Absichern der Kommunikation mit automatisch generierten TLS-Zertifikaten
- Sicherheitsrichtlinien am Beispiel von Kyverno
- Kubernetes Secrets in der Praxis sicher verwalten mit KMS, Vault, Sealed Secrets
- Konfigurieren und Testen von Netzwerkrichtlinien
- Pod Security Admission Controls
- SecurityContext Settings
- Ganzheitliche Security Lösungen für Kubernetes
- Cluster-Upgrades
- Hochverfügbarkeit und Skalierung
- Disaster-Recovery- und Backup-Strategien
- Die Cluster-API, IaC Szenarien
- Identifizieren und Beheben von allgemeinen Problemen und Fehlern
- Fehlersuche bei Netzwerk- und Anwendungsproblemen
- Debuggen verschiedener Kubernetes Ressourcen
- Debug Pods
- Operator Ressourcen verstehen
- Operator Lifecycle Manager (OLM)
- Operatoren ausrollen, Operator-gestützte Workloads über CRDs managen
- Operator-SDK, eigene Operator-Bundles erstellen
- Horizontal Pod Autoscaling (HPA), Vertical Pod Autoscaling (VPA), InPlacePodVerticalScaling, Custom Metrics Scaling, Cluster Scaling
- Verwalten von ResourceQuotas und LimitRanges
- Verstehen der Cluster-Ressourcennutzung und -optimierung
- Tekton Pipelines in der Praxis: Tasks und Pipelines erstellen
- Supply Chain Security
- ArgoCD: Applications verstehen und einsetzen, ApplicationSets für Multi-Cluster
- Argo Rollouts: Next-Gen Deployments mit Canary und BlueGreen-Strategien, erweiterten Healthchecks und Auto-Traffic-Weighting
- GitOps in der Praxis
- GPU Nodes für KI-Systeme erstellen und skalieren
- NVIDIA GPU Operator
- GPU-Workloads schedulen