Temario del curso
Introducción a las operaciones de Kubernetes mejoradas con IA
- Por qué la IA es importante para las operaciones de clúster modernas
- Limitaciones de la lógica tradicional de escalamiento y programación
- Conceptos clave del ML para la gestión de recursos
Fundamentos de la gestión de recursos en Kubernetes
- Fundamentos de la asignación de CPU, GPU y memoria
- Comprensión de cuotas, límites y solicitudes
- Identificación de cuellos de botella e ineficiencias
Enfoques de aprendizaje automático para la programación
- Modelos supervisados y no supervisados para la colocación de cargas de trabajo
- Algoritmos predictivos para la demanda de recursos
- Uso de características de ML en programadores personalizados
Aprendizaje por refuerzo para el autoescalamiento inteligente
- Cómo los agentes de RL aprenden del comportamiento del clúster
- Diseño de funciones de recompensa para la eficiencia
- Construcción de estrategias de autoescalamiento basadas en RL
Autoescalamiento predictivo con métricas y telemetría
- Uso de datos de Prometheus para la predicción
- Aplicación de modelos de series temporales al autoescalamiento
- Evaluación de la precisión de las predicciones y ajuste de modelos
Implementación de herramientas de optimización impulsadas por IA
- Integración de marcos de trabajo de ML con controladores de Kubernetes
- Despliegue de bucles de control inteligentes
- Extensión de KEDA para la toma de decisiones asistida por IA
Estrategias de optimización de costos y rendimiento
- Reducción de costos de cómputo mediante escalamiento predictivo
- Mejora de la utilización de GPU mediante colocación dirigida por ML
- Equilibrio entre latencia, throughput y eficiencia
Escenarios prácticos y casos de uso en el mundo real
- Autoescalamiento de aplicaciones de alta carga con IA
- Optimización de pools de nodos heterogéneos
- Aplicación de ML en entornos multi-inquilinos
Resumen y próximos pasos
Requerimientos
- Conocimiento de los fundamentos de Kubernetes
- Experiencia en la implementación de aplicaciones empaquetadas en contenedores
- Conocimiento de las operaciones de clúster y la gestión de recursos
Público objetivo
- Profesionales SRE que trabajan con sistemas distribuidos a gran escala
- Operadores de Kubernetes que gestionan cargas de trabajo de alta demanda
- Ingenieros de plataforma que optimizan la infraestructura de cómputo
Reseñas (2)
Como mencioné anteriormente, para una persona como yo (sin experiencia), esto supuso una puerta de entrada para comprender las funciones y características de estos programas, herramientas y demás.
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
Curso - Docker and Kubernetes
Traducción Automática
comprensión básica de contenedores/kubernetes y su interacción características de la plataforma Openshift
Eric Scholze - NOW IT GmbH
Curso - Introduction to Containers, Kubernetes & OpenShift
Traducción Automática
