Schulungsübersicht
Einführung in künstlich-intelligente Kubernetes-Operationen
- Warum KI für moderne Clusteroperationen wichtig ist
- Grenzen traditioneller Skalierungs- und Schedulinglogik
- Schlüsselkonzepte des ML für die Ressourcenverwaltung
Grundlagen der Kubernetes-Ressourcenverwaltung
- CPU-, GPU- und Speicherzuordnungsfundamente
- Verständnis von Quotas, Limits und Requests
- Identifizierung von Engpässen und Ineffizienzen
Maschinelles Lernen für Scheduling
- Überwachte und nicht überwachte Modelle zur Workload-Platzierung
- Vorhersagealgorithmen für Ressourcenbedarf
- Nutzung von ML-Funktionen in benutzerdefinierten Schedulern
Verstärkungslernen für intelligente Autoskalierung
- Wie RL-Agenten aus dem Clusterverhalten lernen
- Entwurf von Reward-Funktionen zur Effizienzsteigerung
- Aufbau von RL-getriebenen Autoskalierungsstrategien
Vorhersagebasierte Autoskalierung mit Metriken und Telemetrie
- Nutzung von Prometheus-Daten für Vorhersagen
- Anwendung von Zeitreihenmodellen zur Autoskalierung
- Bewertung der Vorhersagegenauigkeit und Modellanpassungen
Implementierung von KI-gestützten Optimierungstools
- Integration von ML-Frameworks mit Kubernetes-Controllern
- Bereitstellung intelligenter Regelkreise
- Erweiterung von KEDA für künstlich-intelligente Entscheidungsfindung
Strategien zur Kosten- und Leistungsoptimierung
- Reduzieren von Computekosten durch vorhersagebasierte Skalierung
- Verbesserung der GPU-Nutzung durch ML-gestützte Platzierung
- Ausgewogenes Management von Latenz, Durchsatz und Effizienz
Praktische Szenarien und reale Anwendungsfälle
- AI-gestützte Autoskalierung hochbelasteter Anwendungen
- Optimierung heterogener Node-Pools
- Anwendung von ML in multitenant-Umgebungen
Zusammenfassung und weitere Schritte
Voraussetzungen
- Kenntnisse der Kubernetes-Grundlagen
- Erfahrung mit containerisierten Anwendungsbereitstellungen
- Vertrautheit mit Clusterverwaltung und Ressourcenmanagement
Zielgruppe
- SREs, die mit großen verteilten Systemen arbeiten
- Kubernetes-Operatoren, die hochbelastete Workloads verwalten
- Plattform-Ingenieure, die die Compute-Infrastruktur optimieren
Erfahrungsberichte (3)
Gute und machbare Übungen.
Jannes Wykhoff - Landesamt fur Geoinformation und Landesvermessung Niedersachsen (LGLN)
Kurs - Certified Kubernetes Application Developer (CKAD) - exam preparation
About the microservices and how to maintenance kubernetes
Yufri Isnaini Rochmat Maulana - Bank Indonesia
Kurs - Advanced Platform Engineering: Scaling with Microservices and Kubernetes
Wie Trainer Wissen effektiv vermitteln
Vu Thoai Le - Reply Polska sp. z o. o.
Kurs - Certified Kubernetes Administrator (CKA) - exam preparation
Maschinelle Übersetzung