Struttura del corso
Introduzione alle Operazioni Kubernetes Guidate dall'IA
- Perché l'IA è importante per le operazioni moderne dei cluster
- Limiti della logica di scaling e scheduling tradizionale
- Concetti chiave del ML per la gestione delle risorse
Fondamenti della Gestione delle Risorse Kubernetes
- Principi fondamentali di allocazione di CPU, GPU e memoria
- Comprensione delle quote, limiti e richieste
- Identificazione dei colli di bottiglia e inefficienze
Approcci AI per il Scheduling
- Modelli supervisionati e non supervisionati per la posizionamento dei workload
- Algoritmi predittivi per la domanda di risorse
- Utilizzo delle funzionalità ML in scheduler personalizzati
Reinforcement Learning per l'Autoscaling Intelligente
- Come gli agenti RL imparano dal comportamento del cluster
- Progettazione di funzioni di reward per l'efficienza
- Costruzione di strategie di autoscaling guidate da RL
Autoscaling Predittivo con Metriche e Telemetria
- Utilizzo dei dati Prometheus per la previsione
- Applicazione di modelli a serie temporali all'autoscaling
- Valutazione dell'accuratezza delle previsioni e tuning dei modelli
Implementazione di Strumenti di Ottimizzazione Guidati dall'IA
- Integrazione di framework ML con i controller Kubernetes
- Distribuzione di loop di controllo intelligenti
- Estensione di KEDA per la decisione assistita dall'IA
Strategie di Ottimizzazione dei Costi e delle Prestazioni
- Riduzione dei costi computazionali attraverso il scaling predittivo
- Miglioramento dell'utilizzo di GPU con la posizionamento guidato da ML
- Bilanciamento tra latenza, throughput e efficienza
Scenari Pratici e Caso di Utilizzo nel Mondo Reale
- Autoscaling di applicazioni ad alta carico con l'IA
- Ottimizzazione di pool di nodi eterogenei
- Applicazione di ML a ambienti multi-tenant
Riepilogo e Prossimi Passi
Requisiti
- Conoscenza delle fondamenta di Kubernetes
- Esperienza con distribuzioni di applicazioni containerizzate
- Familiarità con le operazioni del cluster e la gestione delle risorse
Pubblico Target
- SRE che lavorano con sistemi distribuiti su larga scala
- Operatori Kubernetes che gestiscono workload ad alta domanda
- Ingegneri di piattaforma che ottimizzano l'infrastruttura computazionale
Recensioni (5)
Interattività, senza leggere slide tutto il giorno
Emilien Bavay - IRIS SA
Corso - Kubernetes Advanced
Traduzione automatica
era paziente e capiva quando cadevamo indietro
Albertina - REGNOLOGY ROMANIA S.R.L.
Corso - Deploying Kubernetes Applications with Helm
Traduzione automatica
Il corso di formazione era più pratico
Siphokazi Biyana - Vodacom SA
Corso - Kubernetes on AWS
Traduzione automatica
Imparare su Kubernetes.
Felix Bautista - SGS GULF LIMITED ROHQ
Corso - Kubernetes on Azure (AKS)
Traduzione automatica
Ha fornito una solida base per Docker e Kubernetes.
Stephen Dowdeswell - Global Knowledge Networks UK
Corso - Docker (introducing Kubernetes)
Traduzione automatica