Struttura del corso
Introduzione alle Operazioni Kubernetes Potenziate con AI
- Perché l'AI è importante per le moderne operazioni di cluster
- Limiti della logica tradizionale di scaling e scheduling
- Concetti chiave del ML per la gestione delle risorse
Fondamenti della Gestione delle Risorse Kubernetes
- Fondamenti dell'allocazione di CPU, GPU e memoria
- Comprendere quote, limiti e richieste (requests)
- Identificare colli di bottiglia e inefficienze
Approcci di Machine Learning per lo Scheduling
- Modelli supervisionati e non supervisionati per il posizionamento dei carichi di lavoro
- Algoritmi predittivi per la domanda di risorse
- Utilizzo di funzionalità ML nei scheduler personalizzati
Reinforcement Learning per l'Autoscaling Intelligente
- Come gli agenti RL imparano dal comportamento del cluster
- Progettazione di funzioni di ricompensa per l'efficienza
- Costruzione di strategie di autoscaling guidate da RL
Autoscaling Predittivo con Metriche e Telemetria
- Utilizzo dei dati Prometheus per le previsioni
- Applicazione di modelli di serie temporali all'autoscaling
- Valutazione della precisione delle previsioni e tuning dei modelli
Implementazione di Strumenti di Ottimizzazione Basati su AI
- Integrazione di framework ML con controller Kubernetes
- Deployment di loop di controllo intelligenti
- Estensione di KEDA per il processo decisionale assistito da AI
Strategie di Ottimizzazione di Costi e Prestazioni
- Riduzione dei costi di calcolo attraverso lo scaling predittivo
- Miglioramento dell'utilizzo delle GPU con il posizionamento guidato dal ML
- Bilanciamento tra latenza, throughput ed efficienza
Scenari Pratici e Casi d'Uso Reali
- Autoscaling di applicazioni ad alto carico con l'AI
- Ottimizzazione di pool di nodi eterogenei
- Applicazione del ML in ambienti multi-tenant
Riepilogo e Prossimi Passi
Requisiti
- Una conoscenza delle fondamenta di Kubernetes
- Esperienza con il deployment di applicazioni containerizzate
- Familiarità con le operazioni sui cluster e la gestione delle risorse
Pubblico di riferimento
- SRE che lavorano con sistemi distribuiti su larga scala
- Operatori Kubernetes che gestiscono carichi di lavoro ad alta domanda
- Ingegneri di piattaforma che ottimizzano l'infrastruttura di calcolo
Recensioni (4)
comprensione di base dei contenitori/Kubernetes e del loro funzionamento funzionalità della piattaforma OpenShift
Eric Scholze - NOW IT GmbH
Corso - Introduction to Containers, Kubernetes & OpenShift
Traduzione automatica
About the microservices and how to maintenance kubernetes
Yufri Isnaini Rochmat Maulana - Bank Indonesia
Corso - Advanced Platform Engineering: Scaling with Microservices and Kubernetes
Come i formatori trasmettono efficacemente le conoscenze
Vu Thoai Le - Reply Polska sp. z o. o.
Corso - Certified Kubernetes Administrator (CKA) - exam preparation
Traduzione automatica
La conoscenza e gli scambi con Augustin
Laurent - L'Office national des vacances annuelles (ONVA)
Corso - Docker and Kubernetes
Traduzione automatica