Kursplan

Introduksjon til AI-forstærket Kubernetes-operasjoner

  • Hvorfor AI er viktig for moderne klyngeoperasjoner
  • Begrensninger ved tradisjonelle skalerings- og skjedulelogikk
  • Nøkkelpunkter i ML for resurshåndtering

Grunnleggende prinsipper i Kubernetes-resurshåndtering

  • CPU, GPU og minneallokering grunnprincipper
  • Forståelse av kvoter, grenser og forespørsler
  • Identifisere flaskehalse og ineffektiviteter

Maskinlæringsmetoder for skjedulering

  • Superviserte og unsuperviserte modeller for arbeidsbyrdelokalisering
  • Prediktive algoritmer for resursspørsel
  • Bruke ML-egenskaper i tilpassede skjeduler

Reinforsement learning for intelligent autoskalering

  • Hvordan RL-agenter lærer av klyngebeteffelser
  • Design av belønningfunksjoner for effektivitet
  • Bygging av RL-drevne autoskaleringstrategier

Prediktiv autoskalering med metrikker og telemetri

  • Bruke Prometheus-data for fremtidsutsikter
  • Bruke tidsserie-modeller i autoskalering
  • Evaluering av prediksjonsnøyaktighet og justering av modeller

Implementering av AI-drevne optimaliseringsverktøy

  • Integrering av ML-rammeverk med Kubernetes-kontrollere
  • Dyrking av intelligente kontrollløkker
  • Utvidelse av KEDA for AI-assistert beslutningsfattning

Strategier for kostnads- og ytelsesoptimalisering

  • Redusere compute-kostnader gjennom prediktiv skalerings
  • Forbedre GPU-bruk ved hjelp av ML-drevet plassering
  • Balansere latens, gjenomstrømning og effektivitet

Praktiske scenarier og sanne verdnbrukstilfeller

  • Autoskalering av høybelasted applikasjoner med AI
  • Optimalisering av heterogene nodeparker
  • Bruke ML i multi-tenant-miljøer

Oppsummering og neste skritt

Krav

  • Forståelse av Kubernetes-grunnleggendeprinsipper
  • Erfaring med containeriserte applikasjonsdrift
  • Familiaritet med klyngeoperasjoner og resurshåndtering

Målgruppe

  • SREs som jobber med store, distribuerte systemer
  • Kubernetes-operatører som administrerer høybelasted arbeidsbyrder
  • Plattformingeniører som optimaliserer compute-infrastruktur
 21 Timer

Antall deltakere


Pris per deltaker

Referanser (5)

Kommende kurs

Relaterte kategorier