Plan du cours

Introduction aux opérations Kubernetes guidées par l'IA

  • Pourquoi l'IA est importante pour les opérations modernes de cluster
  • Limites de la logique traditionnelle d'autoscaling et d'orchestration
  • Concepts clés de l'apprentissage automatique pour la gestion des ressources

Fondements de la gestion des ressources Kubernetes

  • Bases de l'allocation du CPU, GPU et mémoire
  • Comprendre les quotas, limites et demandes
  • Identifier les goulets d'étranglement et inefficacités

Approches d'apprentissage automatique pour l'orchestration

  • Modèles supervisés et non supervisés pour le placement des charges de travail
  • Algorithmes prédictifs pour la demande en ressources
  • Utilisation des fonctionnalités d'IA dans les planificateurs personnalisés

Apprentissage par renforcement pour un autoscaling intelligent

  • Comment les agents d'apprentissage par renforcement apprennent à partir du comportement du cluster
  • Conception de fonctions de récompense pour l'efficacité
  • Construction de stratégies d'autoscaling guidées par l'apprentissage par renforcement

Autoscaling prédictif avec des métriques et une télémétrie

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

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

  • Intégration de cadres d'apprentissage automatique avec des contrôleurs Kubernetes
  • Déploiement de boucles de contrôle intelligentes
  • Extension de KEDA pour la prise de décision assistée par l'IA

Stratégies d'optimisation du coût et des performances

  • Réduction des coûts de calcul grâce au scaling prédictif
  • Amélioration de l'utilisation des GPU avec le placement guidé par l'IA
  • Équilibrage de la latence, du débit et de l'efficacité

Scénarios pratiques et cas d'utilisation réels

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

Résumé et étapes suivantes

Pré requis

  • Comprendre les fondamentaux de Kubernetes
  • Avoir de l'expérience avec le déploiement d'applications conteneurisées
  • Être familier des opérations de cluster et de la gestion des ressources

Public cible

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

Nombre de participants


Prix par participant

Nos clients témoignent (5)

Cours à venir

Catégories Similaires