Plan du cours
Introduction à l'exploitation Kubernetes enrichie par l'IA
- L'importance de l'IA pour les opérations de cluster modernes
- Limites de la logique de mise à l'échelle et de planification traditionnelles
- Concepts clés du machine learning pour la gestion des ressources
Fondements de la gestion des ressources Kubernetes
- Principes fondamentaux d'allocation du CPU, du GPU et de la mémoire
- Comprendre les quotas, les limites et les demandes
- Identifier les goulots d'étranglement et les inefficacités
Approches par apprentissage automatique pour la planification
- Modèles supervisés et non supervisés pour le positionnement des charges de travail
- Algorithms prédictifs pour la demande de ressources
- Utilisation des fonctionnalités ML dans les planificateurs personnalisés
Apprentissage par renforcement pour un autoscaling intelligent
- Comment les agents de RL apprennent du comportement du cluster
- Conception de fonctions de récompense pour l'efficacité
- Élaboration de stratégies d'autoscaling pilotées par le RL
Autoscaling prédictif grâce aux métriques et à la télémétrie
- Utilisation des données Prometheus pour la prévision
- Application des modèles de séries temporelles à l'autoscaling
- Évaluation de l'exactitude 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 une prise de décision assistée par l'IA
Stratégies d'optimisation des coûts et des performances
- Réduction des coûts de calcul grâce au scaling prédictif
- Amélioration de l'utilisation du GPU grâce au positionnement piloté par le ML
- Équilibre entre latence, débit et efficacité
Scénarios pratiques et cas d'usage réels
- Autoscaling d'applications à forte charge avec l'IA
- Optimisation des pools de nœuds hétérogènes
- Application du ML dans les environnements multi-locataires
Synthèse et étapes suivantes
Pré requis
- Une compréhension des fondamentaux de Kubernetes
- Une expérience des déploiements d'applications conteneurisées
- Une familiarité avec les opérations de cluster et la gestion des ressources
Public cible
- SRE travaillant avec des systèmes distribués de grande envergure
- Opérateurs Kubernetes gérant des charges de travail exigeantes
- Ingénieurs plateforme optimisant l'infrastructure de calcul
Nos clients témoignent (2)
Comme je l'ai mentionné précédemment, pour quelqu'un comme moi (sans aucune expérience), cela a été une porte d'entrée pour comprendre les fonctionnalités et les capacités de ces programmes/outils, etc.
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
Formation - Docker and Kubernetes
Traduction automatique
compréhension de base des conteneurs/Kubernetes et de leur interaction fonctionnalités de la plateforme OpenShift
Eric Scholze - NOW IT GmbH
Formation - Introduction to Containers, Kubernetes & OpenShift
Traduction automatique
