Schulungsübersicht
Einführung in KI-gestützte Kubernetes-Betriebsumgebungen
- Warum KI für den modernen Clusterbetrieb entscheidend ist
- Grenzen herkömmlicher Skalierungs- und Scheduling-Logik
- Wesentliche Konzepte des ML für das Ressourcenmanagement
Grundlagen des Kubernetes-Ressourcenmanagements
- Grundlagen der CPU-, GPU- und Speicherallokierung
- Verständnis von Quotas, Limits und Requests
- Identifizierung von Engpässen und Ineffizienzen
Ansätze des maschinellen Lernens für das Scheduling
- Überwachte und unüberwachte Modelle für die Workload-Platzierung
- Prädiktive Algorithmen für die Ressourcenbedarfsvorhersage
- Einsatz von ML-Merkmalen in benutzerdefinierten SCHEDULERN
Reinforcement Learning für intelligentes Autoscaling
- Wie RL-Agenten aus dem Clusterverhalten lernen
- Design von Reward-Funktionen für Effizienz
- Aufbau von RL-gesteuerten Autoscaling-Strategien
Prädiktives Autoscaling mit Metriken und Telemetrie
- Nutzung von Prometheus-Daten für Vorhersagen
- Anwendung von Zeitreihenmodellen im Autoscaling
- Bewertung der Vorhersagegenauigkeit und Modell-Tuning
Implementierung von KI-gestützten Optimierungswerkzeugen
- Integration von ML-Frameworks mit Kubernetes-Controllern
- Bereitstellung intelligenter Kontrollschleifen
- Erweiterung von KEDA für KI-gestützte Entscheidungsfindung
Strategien zur Optimierung von Kosten und Leistung
- Senkung der Compute-Kosten durch prädiktives Scaling
- Verbesserung der GPU-Auslastung durch ML-gesteuerte Platzierung
- Ausgleich von Latenz, Durchsatz und Effizienz
Praktische Szenarien und reale Anwendungsfälle
- Autoscaling hochausgelasteter Anwendungen mit KI
- Optimierung heterogener Node-Pools
- Anwendung von ML in Multi-Tenant-Umgebungen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Kubernetes
- Erfahrung mit dem Deployment containerisierter Anwendungen
- Vertrautheit mit Clusterbetrieb und Ressourcenmanagement
Zielgruppe
- SREs, die mit großskaligen verteilten Systemen arbeiten
- Kubernetes-Operator, die hochausgelastete Workloads verwalten
- Plattform-Ingenieure, die ihre Compute-Infrastruktur optimieren
Erfahrungsberichte (2)
Wie ich bereits erwähnt habe, war dies für mich (ohne Erfahrung) ein Tor zum Verständnis der Funktionen und Möglichkeiten dieser Programme und Werkzeuge.
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
Kurs - Docker and Kubernetes
Maschinelle Übersetzung
grundlegendes Verständnis von Containern und Kubernetes sowie deren Interaktion Funktionen der OpenShift-Plattform
Eric Scholze - NOW IT GmbH
Kurs - Introduction to Containers, Kubernetes & OpenShift
Maschinelle Übersetzung