Prenez contact avec nous

Plan du cours

Introduction aux opérations Kubernetes assistées par IA

  • Pourquoi l'IA est essentielle pour les opérations modernes sur cluster
  • Limites de la logique traditionnelle d'échelle et de planification
  • Concepts clés de l'IA pour la gestion des ressources

Fondamentaux de la gestion des ressources Kubernetes

  • Principes de l'allocation du CPU, du GPU et de la mémoire
  • Comprendre les quotas, les limites et les requêtes
  • Identifier les goulots d'étranglement et les inefficacités

Approches d'apprentissage automatique pour la planification

  • Modèles supervisés et non supervisés pour le placement des charges de travail
  • Algorithmes prédictifs pour la demande de ressources
  • Utilisation de caractéristiques ML dans les planificateurs personnalisés

Apprentissage par renforcement pour une autosextension intelligente

  • Comment les agents RL apprennent du comportement du cluster
  • Conception de fonctions de récompense pour l'efficacité
  • Construction de stratégies d'autosextension pilotées par le RL

Autosextension prédictive avec métriques et télémétrie

  • Utilisation des données Prometheus pour la prévision
  • Application de modèles de séries temporelles à l'autosextension
  • Évaluation de la précision des prédictions et ajustement des modèles

Mise en œuvre d'outils d'optimisation pilotés par l'IA

  • Intégration des frameworks ML avec les contrôleurs Kubernetes
  • Déploiement de boucles de contrôle intelligentes
  • Extension de KEDA pour la prise de décision assistée par IA

Stratégies d'optimisation des coûts et des performances

  • Réduction des coûts de calcul grâce à l'échelle prédictive
  • Amélioration de l'utilisation du GPU grâce au placement piloté par le ML
  • Équilibrage de la latence, du débit et de l'efficacité

Scénarios pratiques et cas d'usage réels

  • Autosextension d'applications à forte charge avec l'IA
  • Optimisation des pools de nœuds hétérogènes
  • Application du ML aux environnements multi-locataires

Résumé et prochaines étapes

Pré requis

  • Comprendre les fondamentaux de Kubernetes
  • Expérience du déploiement d'applications conteneurisées
  • Connaissance des opérations sur cluster et de la gestion des ressources

Public cible

  • Ingénieurs SRE travaillant sur des systèmes distribués à grande échelle
  • Opérateurs Kubernetes gérant des charges de travail à forte demande
  • Ingénieurs de plateforme optimisant l'infrastructure de calcul
 21 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (4)

Cours à venir

Catégories Similaires