Plan du cours
Introduction aux opérations Kubernetes augmentées par l'IA
- Pourquoi l'IA est essentielle pour les opérations de cluster modernes
- Limitations de la logique traditionnelle de mise à l'échelle et de planification
- Concepts clés de l'apprentissage automatique pour la gestion des ressources
Fondements de la gestion des ressources Kubernetes
- Fondamentaux de l'allocation des CPU, GPU et de la mémoire
- Compréhension des quotas, des limites et des requêtes
- Identification des goulets d'étranglement et des 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 des caractéristiques de l'AA dans les planificateurs personnalisés
Apprentissage par renforcement pour le redimensionnement automatique intelligent
- Comment les agents de RL apprennent du comportement du cluster
- Conception de fonctions de récompense pour l'efficacité
- Construction de stratégies de redimensionnement automatique pilotées par le RL
Redimensionnement automatique prédictif avec métriques et télémétrie
- Utilisation des données Prometheus pour la prévision
- Application de modèles de séries temporelles au redimensionnement automatique
- Évaluation de la précision des prédictions et ajustement des modèles
Mise en œuvre d'outils d'optimisation pilotés par l'IA
- Intégration des frameworks d'AA 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 la mise à l'échelle prédictive
- Amélioration de l'utilisation des GPU grâce à un placement piloté par l'AA
- Équilibre entre la latence, le débit et l'efficacité
Scénarios pratiques et cas d'usage réels
- Redimensionnement automatique d'applications à forte charge avec l'IA
- Optimisation des pools de nœuds hétérogènes
- Application de l'AA aux environnements multi-locataires
Résumé et prochaines étapes
Pré requis
- Une compréhension des fondamentaux de Kubernetes
- De l'expérience dans le déploiement d'applications conteneurisées
- Une familiarité avec les opérations de cluster et 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
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
