Ta kontakt

Kursplan

Innføring til AI-forbedret Kubernetes-drift

  • Hvorfor AI er avgjørende for moderne klusterdrift
  • Begrensninger ved tradisjonell skalering og planleggingslogikk
  • Kjernenområder i maskinlæring for ressursadministrasjon

Grunnlag for ressursadministrasjon i Kubernetes

  • Grunnleggende tildeling av CPU, GPU og minne
  • Forståelse for kvoter, grenser og forespørsler
  • Identifisering av flaskehals og ineffektivitet

Maskinlæringsmetoder for planlegging

  • Overvåkede og ikke-overvåkede modeller for plassering av arbeidsbelastninger
  • Prediktive algoritmer for ressursbehov
  • Bruk av ML-funksjoner i tilpassede planleggere

Forsterkningslæring for intelligent autoskalering

  • Hvordan RL-agenter lærer fra klusteratferd
  • Design av belønningsfunksjoner for effektivitet
  • Oppbygging av autoskaleringstrategier drevet av RL

Prediktiv autoskalering med metrikker og telemetri

  • Bruk av Prometheus-data for prediksjon
  • Anvendelse av tidsseriesmodeller på autoskalering
  • Utvurdering av prediksjonspresisjon og justering av modeller

Implementering av AI-drevet verktøy for optimalisering

  • Integrasjon av ML-rammeverk med Kubernetes-kontrollere
  • Implementering av intelligente styringssyklusser
  • Utvidelse av KEDA for AI-assistert beslutningstaking

Strategier for kost- og ytelsesoptimalisering

  • Redusering av beregningskostnader gjennom prediktiv skalering
  • Forbedring av GPU-utnyttelse med ML-drevet plassering
  • Balanse mellom responstid, gjennomstrømning og effektivitet

Praktiske scenarier og reelle brukskasus

  • Autoskalering av applikasjoner med høy belastning med AI
  • Optimalisering av heterogene nodestyrker
  • Anvendelse av ML i multi-tenant-miljøer

Sammendrag og neste steg

Krav

  • Kunnskap om grunnleggende prinsipper i Kubernetes
  • Opplevelse med implementering av containeriserte applikasjoner
  • Kjennskap til klusterdrift og ressursadministrasjon

Målgruppe

  • SREer som jobber med distribuerte systemer i stor skala
  • Kubernetes-operatører som administrerer arbeidsbelastninger med høye krav
  • Plattformingeniører som optimaliserer beregningsinfrastruktur
 21 Timer

Antall deltakere


Pris per deltaker

Referanser (4)

Kommende kurs

Relaterte kategorier