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
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (5)

Kommende Kurse

Verwandte Kategorien