План на курса

Въведение в управлението на Kubernetes с ИИ

  • Защо ИИ е важна за съвременното управление на кластери
  • Ограниченията на традиционната логика за мащабиране и планиране
  • Ключовите концепции на ML за управление на ресурсите

Основи на управлението на ресурсите в Kubernetes

  • Фундаментални основи за заделенията на CPU, GPU и памет
  • Разбиране на квоти, лимити и заявки
  • Идентифициране на бутлини и неефективности

Методи на машинно обучение за планиране

  • Надзорувани и безнадзорни модели за разполагане на заредки
  • Прогнозни алгоритми за заделение на ресурси
  • Използване на функции на ML в персонализирани планировачи

Подкрепяне на ученето за интелектуално автоматично мащабиране

  • Как агентите за RL учат от поведението на кластера
  • Проектиране на функции на награда за ефективност
  • Създаване на стратегии за автоматично мащабиране, базирани на RL

Прогнозно автоматично мащабиране с метрики и телеметрия

  • Използване на данни от Prometheus за прогноза
  • Применяване на модели с времеви редове за автоматично мащабиране
  • Оценка на точността на прогнозите и подобряване на моделите

Реализация на инструменти за оптимизация с ИИ

  • Интегриране на рамки за ML с контролери на Kubernetes
  • Разполагане на интелектуални контролни цикли
  • Развиyanе на KEDA за помощ при вземането на решения с ИИ

Стратегии за оптимизация на разходите и производителността

  • Подобряване на изчислителните разходи чрез прогнозно мащабиране
  • Оптимизиране на използването на GPU с помощта на ML-управляемо разполагане
  • Балансиране на латентност, пропускайки капацитет и ефективност

Практически сценарии и реални примери за използване

  • Автоматично мащабиране на приложения с висока заредка с помощта на ИИ
  • Оптимизиране на неомогнени пулове от нодове
  • Прилагане на ML в многопотребителски среди

Заключение и следващи стъпки

Изисквания

  • Разбиране на основите на Kubernetes
  • Опит с разполагането на контейниризирани приложения
  • Запознаване с операции по кластер и управление на ресурсите

Публика

  • SRE, работещи с голямо мащабиране на разпределени системи
  • Оператори на Kubernetes, управляващи заредки с високи изисквания
  • Инженери за платформа, оптимизиращи инфраструктурата за изчисления
 21 Часове

Брой участници


Цена за участник

Отзиви от потребители (5)

Предстоящи Курсове

Свързани Kатегории