感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 21 時間:
課程簡介
AI增強Kubernetes營運簡介
- 為何AI對現代叢集營運至關重要
- 傳統擴展與排程邏輯的限制
- 資源管理的ML關鍵概念
Kubernetes資源管理基礎
- CPU、GPU和記憶體分配基礎
- 了解配額、限制與請求
- 識別瓶頸與效率低下的問題
用於排程的機器學習方法
- 監督式與非監督式模型用於工作負載放置
- 用於資源需求的預測演算法
- 在自訂排程器中使用ML特徵
用於智慧自動擴展的強化學習
- RL代理如何從叢集行為中學習
- 設計高效能的獎勵函數
- 建構RL驅動的自動擴展策略
使用指標與遙測進行預測性自動擴展
- 使用Prometheus資料進行預測
- 將時間序列模型應用於自動擴展
- 評估預測準確度並調整模型
實作AI驅動的優化工具
- 將ML框架與Kubernetes控制器整合
- 部署智慧控制迴路
- 擴展KEDA以進行AI輔助決策
成本與效能優化策略
- 透過預測性擴展降低計算成本
- 透過ML驅動的放置提升GPU使用率
- 平衡延遲、吞吐量與效率
實際情境與真實世界使用案例
- 使用AI自動擴展高負載應用程式
- 優化異質節點池
- 將ML應用於多租戶環境
總結與後續步驟
最低要求
- 了解Kubernetes基礎知識
- 具備容器化應用程式部署經驗
- 熟悉叢集操作與資源管理
目標學員
- 負責大規模分散式系統的SRE
- 管理高需求工作負載的Kubernetes操作員
- 優化計算基礎設施的平台工程師
客戶評論 (2)
如前所述,对于像我这样没有经验的人来说,这是了解这些程序/工具等功能与用途的入门途径。
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
課程 - Docker and Kubernetes
機器翻譯
對容器/Kubernetes及其交互方式的基本理解 OpenShift平臺的功能
Eric Scholze - NOW IT GmbH
課程 - Introduction to Containers, Kubernetes & OpenShift
機器翻譯