Kursplan

Introduktion till AI-förbättrade Kubernetes-operationer

  • Varför AI är viktigt för moderna klusteroperationer
  • Begränsningar med traditionell skalning och schemaläggningslogik
  • Nyckelkoncept inom ML för resursmanagement

Grundläggande Kubernetes-resursmanagement

  • CPU-, GPU- och minnestilldelningens grundläggande principer
  • Förståelse av kvoter, gränser och begäranden
  • Identifiering av flaskhalsar och ineffektiviteter

Maskininlärningsmetoder för schemaläggning

  • Övervakade och oövervakade modeller för arbetsbelastningsplacement
  • Prediktiva algoritmer för resurskrav
  • Användning av ML-funktioner i anpassade schemaläggare

Förstärkningsinlärning för intelligenta autoskalningsfunktioner

  • Hur RL-agenter lär sig från klusterverkande
  • Design av belömningsfunktioner för effektivitet
  • Skapande av RL-drivna autoskalningsstrategier

Prediktiv autoskalning med metriker och telemetri

  • Användning av Prometheus-data för prognostisering
  • Tillämpning av tidsseriemodeller på autoskalning
  • Utvärdering av prediktiv noggrannhet och justering av modeller

Implementering av AI-drivna optimeringsverktyg

  • Integrering av ML-ramverk med Kubernetes-kontrollanter
  • Distribuering av intelligenta kontrolllopp
  • Utökning av KEDA för AI-stödd beslutsfattande

Strategier för kostnads- och prestandaoptimering

  • Minimera beräkningskostnader genom prediktiv skalning
  • Förbättra GPU-användning med ML-driven placement
  • Balansera latens, genomströmning och effektivitet

Praktiska scenarier och verkliga användningsfall

  • Autoskalning av högbelastade applikationer med AI
  • Optimering av heterogena nodpooler
  • Tillämpning av ML på multitenant-miljöer

Sammanfattning och nästa steg

Krav

  • Förståelse av Kubernetes-grundläggande koncept
  • Erfarenhet av containeriserade applikationstilldelningar
  • Bekantskap med klusteroperationer och resursmanagement

Målgrupp

  • SREs som arbetar med storskaliga distribuerade system
  • Kubernetes-operatörer som hanterar resurskrävande arbetsbelastningar
  • Plattformstjänster som optimiserar beräkningsinfrastruktur
 21 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (5)

Kommande Kurser

Relaterade Kategorier