Schulungsübersicht
Einführung in künstlich-intelligente Kubernetes-Operationen
- Warum KI für moderne Clusteroperationen wichtig ist
- Grenzen traditioneller Skalierungs- und Schedulinglogik
- Schlüsselkonzepte des ML für die Ressourcenverwaltung
Grundlagen der Kubernetes-Ressourcenverwaltung
- CPU-, GPU- und Speicherzuordnungsfundamente
- Verständnis von Quotas, Limits und Requests
- Identifizierung von Engpässen und Ineffizienzen
Maschinelles Lernen für Scheduling
- Überwachte und nicht überwachte Modelle zur Workload-Platzierung
- Vorhersagealgorithmen für Ressourcenbedarf
- Nutzung von ML-Funktionen in benutzerdefinierten Schedulern
Verstärkungslernen für intelligente Autoskalierung
- Wie RL-Agenten aus dem Clusterverhalten lernen
- Entwurf von Reward-Funktionen zur Effizienzsteigerung
- Aufbau von RL-getriebenen Autoskalierungsstrategien
Vorhersagebasierte Autoskalierung mit Metriken und Telemetrie
- Nutzung von Prometheus-Daten für Vorhersagen
- Anwendung von Zeitreihenmodellen zur Autoskalierung
- Bewertung der Vorhersagegenauigkeit und Modellanpassungen
Implementierung von KI-gestützten Optimierungstools
- Integration von ML-Frameworks mit Kubernetes-Controllern
- Bereitstellung intelligenter Regelkreise
- Erweiterung von KEDA für künstlich-intelligente Entscheidungsfindung
Strategien zur Kosten- und Leistungsoptimierung
- Reduzieren von Computekosten durch vorhersagebasierte Skalierung
- Verbesserung der GPU-Nutzung durch ML-gestützte Platzierung
- Ausgewogenes Management von Latenz, Durchsatz und Effizienz
Praktische Szenarien und reale Anwendungsfälle
- AI-gestützte Autoskalierung hochbelasteter Anwendungen
- Optimierung heterogener Node-Pools
- Anwendung von ML in multitenant-Umgebungen
Zusammenfassung und weitere Schritte
Voraussetzungen
- Kenntnisse der Kubernetes-Grundlagen
- Erfahrung mit containerisierten Anwendungsbereitstellungen
- Vertrautheit mit Clusterverwaltung und Ressourcenmanagement
Zielgruppe
- SREs, die mit großen verteilten Systemen arbeiten
- Kubernetes-Operatoren, die hochbelastete Workloads verwalten
- Plattform-Ingenieure, die die Compute-Infrastruktur optimieren
Erfahrungsberichte (5)
Interaktivität, kein ganztägiges Lesen von Folien
Emilien Bavay - IRIS SA
Kurs - Kubernetes Advanced
Maschinelle Übersetzung
Er war geduldig und verstand, dass wir zurückfielen.
Albertina - REGNOLOGY ROMANIA S.R.L.
Kurs - Deploying Kubernetes Applications with Helm
Maschinelle Übersetzung
Die Ausbildung war praktischer.
Siphokazi Biyana - Vodacom SA
Kurs - Kubernetes on AWS
Maschinelle Übersetzung
Über Kubernetes lernen.
Felix Bautista - SGS GULF LIMITED ROHQ
Kurs - Kubernetes on Azure (AKS)
Maschinelle Übersetzung
Es vermittelte eine gute Grundlage für Docker und Kubernetes.
Stephen Dowdeswell - Global Knowledge Networks UK
Kurs - Docker (introducing Kubernetes)
Maschinelle Übersetzung