Infrastruktur auf ThecoreGrid behandelt Design, Betrieb und Weiterentwicklung der grundlegenden Systeme, die moderne Software in großem Maßstab ermöglichen.
Wir analysieren Compute-, Netzwerk- und Storage-Layer sowie Virtualisierung, Containerisierung und Cloud-Plattformen in Highload-Umgebungen. Im Fokus stehen produktionsreife Aspekte: Zuverlässigkeit, Fehlertoleranz, Kapazitätsplanung, Kosteneffizienz und sichere Systemarchitektur. Themen umfassen Infrastructure as Code, Automatisierung, Provisioning, Multi-Region-Setups, Traffic-Routing und Recovery-Strategien. Wir beleuchten reale Trade-offs und operative Herausforderungen, gestützt durch BigTech-Praktiken, Incident-Post-Mortems und Erfahrungen aus großskaligen Infrastruktur-Ausfällen. Ergänzt wird dies durch Deep Dives in Observability, Performance-Tuning und Plattformstabilität unter dynamischen Lasten. Statt einfacher Setup-Guides liefert der Tag fundierte technische Einblicke für Platform-Engineers, DevOps-Teams, SREs und Architekten, die robuste, skalierbare und effiziente Infrastruktursysteme aufbauen und betreiben.
Timeouts von Anfragen bedeuten nicht immer ein Problem in der Datenbank. Oft ist die Degradation im Weg zwischen der Anwendung und der DB verborgen. Das Problem tritt auf, wenn die Metriken der Datenbank stabil erscheinen, die Kunden jedoch Timeouts erhalten. Auf der Beobachtungsebene sieht es wie ein Widerspruch aus: Die Latenz steigt, während die Datenbankzeit … Weiterlesen
In Kubescape 4.0 verschiebt sich der Fokus von reaktiver Sicherheit zu proaktiver Sicherheit. Die wichtigsten Änderungen sind Runtime-Detektion, Überarbeitung des Agentenmodells und die Auslagerung von Sicherheitsdaten aus etcd. Das Problem zeigt sich im großen Maßstab. Wenn der Cluster wächst, beginnt die Sicherheit, um Ressourcen mit dem Control Plane zu konkurrieren. Die Speicherung von Sicherheitsmetadaten in … Weiterlesen
Lange Neustarts von Stateful-Services erscheinen selten als ein Problem der Sicherheitskonfiguration. Doch genau so verwandelte sich das sichere Default in Kubernetes in 30 Minuten Ausfallzeit pro Neustart. Das Problem trat im großen Maßstab auf. Atlantis, das Terraform über GitLab MR verwaltet, funktioniert als Singleton StatefulSet und speichert den Zustand in einem PersistentVolume. Jeder Neustart – … Weiterlesen
AI-Agenten stoßen nicht an Modelle, sondern an die Architektur. Wenn das Feedback langsam ist, funktioniert die Autonomie nicht. Das Problem tritt auf, wenn der AI-Agent versucht, den Zyklus „generiert → überprüft → korrigiert“ zu schließen. In typischen Cloud-Systemen dehnt sich dieser Zyklus aus: Das Deployment dauert Minuten, Tests hängen von der Bereitstellung von Ressourcen ab, … Weiterlesen
GenAI hat die Codeproduktion beschleunigt, aber die Konsistenz (alignment) zum Engpass gemacht. Manuelle Prozesse halten nicht mehr mit, und die Architektur beginnt zu fragmentieren. Das Problem zeigt sich nicht sofort — bis zu dem Moment, an dem die Geschwindigkeit der Änderungsgenerierung die Fähigkeit der Organisation übersteigt, diese zu überprüfen. Historisch wurde die Kontrolle von Menschen … Weiterlesen
Der Profiler im Kernel-Space sieht nur Adressen. Nützliche Einblicke entstehen erst nach der Symbolisierung – und in Go ist dieser Schritt anders gestaltet als in anderen Sprachen. Das Problem tritt auf, wenn das Profil bereits gesammelt wurde, aber nicht interpretiert werden kann. Der eBPF-Profiler erfasst Stack-Traces auf Kernel-Ebene und erhält eine Reihe von Program Counter-Werten … Weiterlesen
Im Live-Streaming ist ein Fehler kein schleichender Qualitätsverlust, sondern ein sofortiger, für den Nutzer sichtbarer Vorfall. Netflix begegnet diesem Problem, indem es Qualitätskontrolle und Priorisierung direkt in die Origin-Schicht verlagert. Die Hauptgrenze zeigt sich dort, wo VOD-Ansätze nicht mehr funktionieren. Im Live-Betrieb gibt es keinen Zeitpuffer: Ein Segment muss innerhalb von Sekunden kodiert, ausgeliefert und … Weiterlesen
Wenn die Anzahl containerisierter Services schneller wächst als das Plattform-Team, wird nicht Kubernetes selbst, sondern dessen Betrieb zum Engpass. Genau dieses Problem hat Generali gelöst – und den Fokus vom Cluster-Management auf das Applikations-Management verlagert. Die Hauptgrenze zeigte sich nicht in der Performance, sondern im operativen Bereich. Das Microservices-Portfolio wuchs, Multi-Tenant-Szenarien kamen hinzu und damit … Weiterlesen
Mit dem Wachstum von LLM-Produktions-Workloads wird deutlich: Die klassischen Mechanismen von Kubernetes verstehen die Natur von Inference nicht. llm-d ist ein Versuch, diese Lücke auf Plattformebene zu schließen. Die wichtigste Einschränkung zeigt sich, wenn Inference über den Rahmen eines „stateless HTTP-Services“ hinausgeht. Anfragen an LLMs haben unterschiedliche Kosten: Prompt-Länge, Generierungsphase, Treffer im KV-Cache. In Kubernetes … Weiterlesen
Wenn LLMs Teil der Produktionsinfrastruktur werden, reicht klassisches Monitoring nicht mehr aus. Das Nadelöhr ist nicht mehr der Anwendungscode, sondern die Routing- und Modellauswahl-Schicht – und genau dort wird Observability benötigt. In LLM-Systemen beginnt die Degradierung nicht mit dem Ausfall von HTTP-Endpunkten, sondern mit der Ansammlung nicht offensichtlicher Effekte: steigende Latenz bei einzelnen Modellen, Kostensprünge … Weiterlesen
Controls: ← → to move, ↑ to rotate, ↓ to drop.
Mobile: use buttons below.