Schulungsübersicht
Einführung in KI-gestützte Kubernetes-Betriebstechniken
- Warum KI für moderne Cluster-Operationen relevant ist
- Grenzen herkömmlicher Skalierungs- und Scheduling-Logik
- Kernkonzepte von ML für Ressourcenmanagement
Grundlagen des Kubernetes-Ressourcenmanagements
- Grundprinzipien der CPU-, GPU- und Speicherzuweisung
- Verständnis von Quotas, Limits und Requests
- Identifizierung von Engpässen und Ineffizienzen
Machine-Learning-Ansätze für das Scheduling
- Überwachte und unüberwachte Modelle für die Workload-Platzierung
- Prognosealgorithmen für Ressourcenbedarf
- Einsatz von ML-Funktionen in eigenen Scheduling-Komponenten
Reinforcement Learning für intelligentes Autoscaling
- Wie RL-Agenten aus Cluster-Verhalten lernen
- Gestaltung von Reward-Funktionen für Effizienz
- Entwicklung von RL-gesteuerten Autoscaling-Strategien
Proaktives Autoscaling mit Metriken und Telemetriedaten
- Nutzung von Prometheus-Daten für Prognosen
- Anwendung von Zeitreihenmodellen auf das Autoscaling
- Bewertung der Prognosegenauigkeit und Feinabstimmung der Modelle
Implementierung KI-gestützter Optimierungstools
- Integration von ML-Frameworks mit Kubernetes-Controllern
- Bereitstellung intelligenter Steuerungsschleifen
- Erweiterung von KEDA für KI-unterstützte Entscheidungsfindung
Strategien zur Kosten- und Leistungsoptimierung
- Senkung der Compute-Kosten durch proaktive Skalierung
- Verbesserung der GPU-Auslastung durch ML-gesteuerte Platzierung
- Ausgleich von Latenz, Durchsatz und Effizienz
Praktische Szenarien und reale Anwendungsfälle
- Autoscaling hochlastiger Anwendungen mit KI
- Optimierung heterogener Node-Pools
- Einsatz von ML in Multi-Tenant-Umgebungen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlagenverständnis von Kubernetes
- Erfahrung mit der Bereitstellung containerisierter Anwendungen
- Vertrautheit mit Cluster-Betrieb und Ressourcenmanagement
Zielgruppe
- SREs, die mit grossflächigen verteilten Systemen arbeiten
- Kubernetes-Operatoren, die anspruchsvolle Workloads verwalten
- Platform Engineers, die die Compute-Infrastruktur optimieren
Erfahrungsberichte (4)
Gute und machbare Übungen.
Jannes Wykhoff - Landesamt fur Geoinformation und Landesvermessung Niedersachsen (LGLN)
Kurs - Certified Kubernetes Application Developer (CKAD) - exam preparation
About the microservices and how to maintenance kubernetes
Yufri Isnaini Rochmat Maulana - Bank Indonesia
Kurs - Advanced Platform Engineering: Scaling with Microservices and Kubernetes
Wie Trainer Wissen effektiv vermitteln
Vu Thoai Le - Reply Polska sp. z o. o.
Kurs - Certified Kubernetes Administrator (CKA) - exam preparation
Maschinelle Übersetzung
Das Wissen und die Austausche mit Augustin
Laurent - L'Office national des vacances annuelles (ONVA)
Kurs - Docker and Kubernetes
Maschinelle Übersetzung
