Plan du cours
Introduction à l'exploitation de Kubernetes augmentée par l'IA
- Pourquoi l'IA est essentielle pour l'exploitation moderne de clusters
- Limites de la logique traditionnelle de mise à l'échelle et d'ordonnancement
- Concepts clés de l'apprentissage automatique pour la gestion des ressources
Fondements de la gestion des ressources dans Kubernetes
- Fondamentaux de l'allocation du CPU, du GPU et de la mémoire
- Compréhension des quotas, des limites et des demandes
- Identification des goulots d'étranglement et des inefficacités
Approches par apprentissage automatique pour l'ordonnancement
- Modèles supervisés et non supervisés pour le placement des charges de travail
- Algorithmes prédictifs pour la demande de ressources
- Utilisation des caractéristiques d'apprentissage automatique dans les ordonnanceurs personnalisés
Apprentissage par renforcement pour une mise à l'échelle automatique intelligente
- Comment les agents d'apprentissage par renforcement apprennent du comportement du cluster
- Conception de fonctions de récompense pour l'efficacité
- Construction de stratégies de mise à l'échelle automatique pilotées par l'apprentissage par renforcement
Mise à l'échelle automatique prédictive avec métriques et télémétrie
- Utilisation des données Prometheus pour la prévision
- Application de modèles de séries temporelles à la mise à l'échelle 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'apprentissage machine avec les contrôleurs Kubernetes
- Déploiement de boucles de contrôle intelligentes
- Extension de KEDA pour la prise de décision assistée par l'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 du GPU grâce au placement piloté par l'apprentissage automatique
- Équilibre entre latence, débit et efficacité
Scénarios pratiques et cas d'utilisation réels
- Mise à l'échelle automatique des applications à forte charge grâce à l'IA
- Optimisation des pools de nœuds hétérogènes
- Application de l'apprentissage automatique aux environnements multi-locataires
Synthèse et prochaines étapes
Pré requis
- Compréhension des fondamentaux de Kubernetes
- Expérience des déploiements d'applications conteneurisées
- Familiarité avec l'exploitation de clusters et la gestion des ressources
Public cible
- Ingénieurs SRE travaillant avec des systèmes distribués à grande échelle
- Opérateurs Kubernetes gérant des charges de travail à forte demande
- Ingénieurs plateforme optimisant l'infrastructure de calcul
Nos clients témoignent (4)
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
About the microservices and how to maintenance kubernetes
Yufri Isnaini Rochmat Maulana - Bank Indonesia
Formation - Advanced Platform Engineering: Scaling with Microservices and Kubernetes
Comment les formateurs transmettent-ils efficacement leurs connaissances
Vu Thoai Le - Reply Polska sp. z o. o.
Formation - Certified Kubernetes Administrator (CKA) - exam preparation
Traduction automatique
Les connaissances et les échanges avec Augustin
Laurent - L'Office national des vacances annuelles (ONVA)
Formation - Docker and Kubernetes
Traduction automatique