Ta kontakt

Kursplan

Introduksjon til KI-forsterket Kubernetes-drift

  • Hvorfor KI er viktig for moderne clusterdrift
  • Begrensninger ved tradisjonell logikk for skalering og scheduling
  • Konsepter for maskinlæring i ressursadministrasjon

Grunnleggende for ressursadministrasjon i Kubernetes

  • Grunnleggende for allokering av CPU, GPU og minne
  • Forståelse av kvoter, grenser og forespørsler
  • Identifisering av flaskehals og ineffektiviteter

Maskinlæringsmetoder for scheduling

  • Overvåkede og uovervåkede modeller for plassering av last
  • Prediktive algoritmer for ressursbehov
  • Bruk av ML-funksjoner i tilpassede schedulere

Forsterkningslæring for intelligent autoskalering

  • Hvordan RL-agenter lærer fra clusteratferd
  • Design av belønnsfunksjoner for effektivitet
  • Oppbygging av RL-drevne autoskaleringstrategier

Prediktiv autoskalering med metrikker og telemetri

  • Bruk av Prometheus-data for forutsigelse
  • Anvendelse av tidsseriemodeller på autoskalering
  • Vurdering av prediksjonssnobb og justering av modeller

Implementering av KI-drevne verktøy for optimalisering

  • Integrasjon av ML-rammeverk med Kubernetes-controllere
  • Utlevering av intelligente kontrollsykler
  • Utvidelse av KEDA for KI- assistert beslutningstaking

Strategier for kost- og ytelsesoptimalisering

  • Redusering av beregningskostnader gjennom prediktiv skalering
  • Forbedring av GPU-utnyttelse ved hjelp av KI-drevet plassering
  • Avbalansering av responstid, gjennomstrømning og effektivitet

Praktiske scenarioer og reelle bruksområder

  • Autoskalering av applikasjoner med høy last ved hjelp av KI
  • Optimalisering av heterogene nodenettverk
  • Anvendelse av ML i multi-tenant-miljøer

Oppsummering og neste steg

Krav

  • Forståelse av Kubernetes-grunnleggende
  • Erfaring med utlevering av containerbaserte applikasjoner
  • Kjennskap til clusterdrift og ressursadministrasjon

Målgruppe

  • SRE-er som arbeider med store, distribuerte systemer
  • Kubernetes-operatører som administrerer lastintensive arbeidsflyter
  • Plattformingeniører som optimaliserer beregningsinfrastruktur
 21 Timer

Antall deltakere


Pris per deltaker

Referanser (4)

Kommende kurs

Relaterte kategorier