Plan du cours
Introduction à l'exploitation de Kubernetes améliorée par l'IA
- Pourquoi l'IA est essentielle pour l'exploitation moderne des clusters
- Limites de la logique traditionnelle de mise à l'échelle et de planification
- Concepts clés de la ML pour la gestion des ressources
Fondements de la gestion des ressources Kubernetes
- Fondamentaux de l'allocation du CPU, du GPU et de la mémoire
- Compréhension des quotas, des limites et des requêtes
- Identification des goulots d'étranglement et des inefficacités
Approches par 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 ML dans les planificateurs personnalisés
Apprentissage par renforcement pour un autoscaling intelligent
- Comment les agents RL apprennent du comportement du cluster
- Conception de fonctions de récompense pour l'efficacité
- Élaboration de stratégies d'autoscaling pilotées par le RL
Autoscaling prédictif avec métriques et télémétrie
- Utilisation des données Prometheus pour la prévision
- 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 pilotés par l'IA
- Intégration des frameworks ML 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 l'échelle prédictive
- Amélioration de l'utilisation du GPU via le placement piloté par la ML
- Équilibre entre latence, débit et efficacité
Scénarios pratiques et cas d'usage réels
- Autoscaling d'applications à forte charge avec l'IA
- Optimisation des pools de nœuds hétérogènes
- Application de la ML aux environnements multi-locataires
Conclusion et prochaines étapes
Pré requis
- Une bonne compréhension des fondamentaux de Kubernetes
- Une expérience du déploiement d'applications conteneurisées
- Une familiarité avec l'exploitation des clusters 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 plateformes 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
