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 增強的 Kubernetes 運維入門
- 為何 AI 對現代叢集運維至關重要
- 傳統縮放與排程邏輯的局限性
- 資源管理中的機器學習核心概念
Kubernetes 資源管理基礎
- CPU、GPU 及記憶體分配基礎
- 理解配額(Quotas)、限制(Limits)與請求(Requests)
- 識別瓶頸與無效部分
用於排程的機器學習方法
- 用於工作負載放置的監督式與非監督式模型
- 資源需求預測演算法
- 在自訂排程器中應用 ML 特徵
用於智慧自動縮放的強化學習
- RL 智能體如何從叢集行為中學習
- 設計以提升效率為目標的獎勵函數
- 建構由 RL 驅動的自動縮放策略
結合指標與遙測的預測性自動縮放
- 使用 Prometheus 數據進行預測
- 將時間序列模型應用於自動縮放
- 評估預測準確性並調整模型
實施 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 以支援 AI 輔助決策
成本與效能優化策略
- 透過預測性縮放降低計算成本
- 利用 ML 驅動的放置策略提高 GPU 利用率
- 平衡延遲、吞吐量與效率
實際情境與真實世界應用案例
- 使用 AI 對高負載應用進行自動縮放
- 優化異質節點池
- 將 ML 應用於多租戶環境
總結與下一步驟
最低要求
- 具備 Kubernetes 基礎知識
- 擁有容器化應用部署經驗
- 熟悉叢集運維及資源管理
適合對象
- 負責大規模分散式系統的 SRE 工程師
- 管理高負載工作負載的 Kubernetes 運維人員
- 致力於最佳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