Kurzusleírás
Bevezetés az AI-alapú Kubernetes-műveletekbe
- Miért fontos az AI a modern klaszterműveletekben
- A hagyományos skálázási és ütemezési logika korlátai
- Az ML kulcsfontosságú fogalmai az erőforrás-kezelésben
A Kubernetes erőforrás-kezelésének alapjai
- A CPU-, GPU- és memóriafoglalás alapjai
- Kvóták, korlátok és kérések megértése
- Szűk keresztmetszetek és hatékonysági problémák azonosítása
Gépi tanulási megközelítések az ütemezéshez
- Felügyelt és felügyelet nélküli modellek a munkaterhelések elhelyezéséhez
- Prediktív algoritmusok az erőforrásigény előrejelzésére
- ML-funkciók használata egyedi ütemezőkben
Megerősítéses tanulás az intelligens automatikus skálázáshoz
- Hogyan tanulnak az RL-ágensek a klaszter viselkedéséből
- Jutalmazási függvények tervezése a hatékonyság érdekében
- RL-vezérelt automatikus skálázási stratégiák kiépítése
Prediktív automatikus skálázás metrikákkal és telemetriával
- Prometheus-adatok használata előrejelzéshez
- Idősor-modellek alkalmazása az automatikus skálázásban
- Az előrejelzés pontosságának értékelése és a modellek hangolása
AI-vezérelt optimalizáló eszközök bevezetése
- ML-keretrendszerek integrálása Kubernetes-vezérlőkkel
- Intelligens vezérlési hurkok telepítése
- A KEDA kiterjesztése AI-támogatott döntéshozatalhoz
Költség- és teljesítményoptimalizálási stratégiák
- Számítási költségek csökkentése prediktív skálázással
- A GPU-kihasználtság javítása ML-vezérelt elhelyezéssel
- A késleltetés, az átviteli sebesség és a hatékonyság egyensúlyba hozása
Gyakorlati forgatókönyvek és valós felhasználási esetek
- Nagy terhelésű alkalmazások automatikus skálázása AI-jal
- Heterogén csomópontkészletek optimalizálása
- ML alkalmazása több-bérlős környezetekben
Összefoglalás és következő lépések
Követelmények
- A Kubernetes alapjainak ismerete
- Tapasztalat konténerizált alkalmazások telepítésében
- A klaszterműveletek és az erőforrás-kezelés ismerete
Célközönség
- Nagyméretű elosztott rendszerekkel dolgozó SRE-k
- Nagy igénybevételű munkaterheléseket kezelő Kubernetes-üzemeltetők
- Számítási infrastruktúrát optimalizáló platformmérnökök
Vélemények (2)
Ahogy korábban is mondtam, egy hozzám hasonló ember számára (nincs tapasztalat) ez kaput nyitott a funkciók és műveletek megértéséhez ezekkel a programokkal/eszközökkel stb. kapcsolatban.
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
Kurzus - Docker and Kubernetes
Gépi fordítás
alapvető ismeretek a konténer/Kubernetes rendszerről és azok kölcsönhatásairól az OpenShift platform jellemzői
Eric Scholze - NOW IT GmbH
Kurzus - Introduction to Containers, Kubernetes & OpenShift
Gépi fordítás