聯繫我們

課程簡介

AI增強型Kubernetes運營簡介

  • 為何AI對現代叢集運營至關重要
  • 傳統縮放和排程邏輯的局限性
  • 資源管理中的ML關鍵概念

Kubernetes資源管理基礎

  • CPU、GPU及記憶體配置的基礎知識
  • 理解配額(quotas)、限制(limits)和請求(requests)
  • 識別瓶頸與低效環節

用於排程的機器學習方法

  • 適用於工作負載分配的監督式與非監督式模型
  • 資源需求的預測算法
  • 在自訂排程器中使用ML功能

用於智能自動縮放的強化學習

  • RL代理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
  • 構建由RL驅動的自動縮放策略

基於指標與遙測數據的預測性自動縮放

  • 利用Prometheus數據進行預報
  • 應用時間序列模型進行自動縮放
  • 評估預測準確度並調整模型

實施AI驅動的優化工具

  • 將ML框架整合至Kubernetes控制器
  • 部署智能控制迴路
  • 擴展KEDA以支持AI輔助決策

成本與效能優化策略

  • 通過預測性縮放降低計算成本
  • 透過ML驅動的配置提升GPU利用率
  • 平衡延遲、吞吐量與效率

實務場景與真實世界用例

  • 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

最低要求

  • 具備Kubernetes基本知識
  • 擁有容器化應用部署經驗
  • 熟悉叢集操作與資源管理

受眾

  • 運作大規模分佈式系統的SRE人員
  • 管理高負載工作負載的Kubernetes運營人員
  • 優化計算基礎設施的平台工程師
 21 小時

人數


每位參與者的報價

客戶評論 (3)

即將到來的課程

課程分類