Schulungsübersicht
Einführung in KI-verbesserte Kubernetes-Betrieb
- Warum KI für moderne Cluster-Betrieb wichtig ist
- Grenzen traditioneller Logik für Scaling und Scheduling
- Kernkonzepte von ML für das Ressourcenmanagement
Grundlagen des Ressourcenmanagements in Kubernetes
- Grundlagen der Zuweisung von CPU, GPU und Speicher
- Verständnis von Kontingenten, Limits und Requests
- Identifizierung von Engpässen und Ineffizienzen
Machine-Learning-Methoden für Scheduling
- Überwachte und unüberwachte Modelle für die Workload-Platzierung
- Prädiktive Algorithmen für den Ressourcenbedarf
- Einsatz von ML-Merkmalen in benutzerdefinierten Schedulers
Reinforcement Learning für intelligentes Autoscaling
- Wie RL-Agenten aus dem Cluster-Verhalten lernen
- Gestaltung von Belohnungsfunktionen für Effizienz
- Aufbau von RL-gestützten Autoscaling-Strategien
Prädiktives Autoscaling mit Metriken und Telemetrie
- Nutzung von Prometheus-Daten für Prognosen
- Anwendung von Zeitreihenmodellen für Autoscaling
- Bewertung der Prognosegenauigkeit und Anpassung der Modelle
Implementierung von KI-gestützten Optimierungstools
- Integration von ML-Frameworks mit Kubernetes-Controllern
- Deployment intelligenter Regelkreise
- Erweiterung von KEDA für KI-gestützte Entscheidungsfindung
Strategien zur Optimierung von Kosten und Leistung
- Reduzierung der Rechenkosten durch prädiktives Scaling
- Verbesserung der GPU-Auslastung durch ML-gestützte Platzierung
- Balance zwischen Latenz, Durchsatz und Effizienz
Praktische Szenarien und reale Anwendungsfälle
- Autoscaling hochbelasteter Anwendungen mit KI
- Optimierung heterogener Node-Pools
- Anwendung von ML in Multi-Tenant-Umgebungen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis der Kubernetes-Grundlagen
- Erfahrung mit dem Deployment von Container-Anwendungen
- Vertrautheit mit Cluster-Betrieb und Ressourcenverwaltung
Zielgruppe
- SREs, die mit großskaligen verteilten Systemen arbeiten
- Kubernetes-Betreiber, die hochbelastete Workloads verwalten
- Plattform-Ingenieure, die Recheninfrastrukturen 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
