Εξέλιξη Κομματιού
Εισαγωγή σε ΤΕΟ-Ενισχυμένες Λειτουργίες Kubernetes
- Γιατί το ΤΕΟ είναι σημαντικό για σύγχρονες λειτουργίες κλιμακωτής εφαρμογής
- Οριακά της παραδοσιακής λογικής σκαλευόμενων και διαταξιμών εργασιών
- Βασικές αρχές του ML για τη διαχείριση πόρων
Θεμελιώδης Διαχείριση Πόρων Kubernetes
- Βασικές αρχές κατανομής CPU, GPU και μνήμης
- Κατανόηση όρων quotas, limits και requests
- Ανάγνωριση αυξήματος (bottlenecks) και αποδοτικότητας
Μέθοδοι Μηχανικής Μάθησης για Διαταξιμότητα
- Επεξεργασίες εποπτευόμενων και ανεποπτευόμενων μοντέλων για το πλάττημα εργασιών
- Προϊδάνεια (predictive) αλγόριθμοί για την ζήτηση πόρων
- Χρήση χαρακτηριστικών ML σε προσαρμοσμένους διαταξιμότες (schedulers)
Ενίσχυση της Μηχανικής Μάθησης για Εξυπνή Αυτοκαθόλου Μεγέθυνση
- Πώς αυτομάτως κινούνται οι agent RL από τη συμπεριφορά του κλουδ
- Σχεδιασμός αποδοτικών reward functions
- Δημιουργία στρατηγικών RL-driven autoscaling
Αυτοκαθόλου Μεγέθυνση με Προϊδάνειες και Τηλεμετρία
- Χρήση δεδομένων Prometheus για προβλέψεις
- Εφαρμογή μοντέλων χρόνου-σειράς στην αυτοκαθόλου μεγέθυνση
- Αξιολόγηση της ακρίβειας προβλέψεων και εξατμισμό μοντέλων
Εφαρμογή Εργαλείων ΤΕΟ-Ενισχυμένης Βελτιστοποίησης
- Ολοκλήρωση ML frameworks με Kubernetes controllers
- Εφαρμογή εξυπνών κυκλικών ελέγχων (control loops)
- Επέκταση KEDA για αξιοποίηση AI-βοηθούμενων αποφάσεων
Στρατηγικές Βελτιστοποίησης Κόστους και Απόδοσης
- Μείωση υπολογιστικών κόστων μέσω προϊδανικής αυτοκαθόλου μεγέθυνσης
- Βελτίωση χρήσης GPU με ML-driven πλάττημα (placement)
- Ισορρόπηση καθυστέρησης, διαχωριστικότητας και αποδοτικότητας
Πρακτικά Σενάρια και Πραγματικά Εφαρμογές
- Αυτοκαθόλου μεγέθυνση υψηλής φορτίωσης εφαρμογών με τη βοήθεια AI
- Βελτιστοποίηση ποικίλων κέντρων (heterogeneous node pools)
- Εφαρμογή ML σε πλυθαρχικά περιβάλλοντα
Περίληψη και Επόμενα Βήματα
Απαιτήσεις
- Κατανόηση των βασικών αρχών του Kubernetes
- Εμπειρία σε κλιμακωτές εφαρμογές χορήγησης (containerized application deployments)
- Γνώση των λειτουργιών κλιμακωτής εφαρμογής (cluster operations) και διαχείριση πόρων
Απευθύνεται σε
- Ειδικοί ρυθμίσεων ειδικών προϊόντων (SREs) με τα οποία σχετίζονται κλιμακωτές διακλαδωτές συστήματα
- Διαχειριστές Kubernetes που αντιμετώπιζουν υψηλή ζήτηση εργασιών
- Μηχανικοί πλατφόρμων βελτιστοποιούν την υπολογιστική υποδομή
Σχόλια (5)
Αλληλεπίδραση, όχι ανάγνωση διαφανειών όλη μέρα
Emilien Bavay - IRIS SA
Κομμάτι - Kubernetes Advanced
Μηχανική Μετάφραση
ήταν αποδεκτικός και κατάλαβε ότι πίσω μας
Albertina - REGNOLOGY ROMANIA S.R.L.
Κομμάτι - Deploying Kubernetes Applications with Helm
Μηχανική Μετάφραση
Η κατάρτιση ήταν πιο πρακτική
Siphokazi Biyana - Vodacom SA
Κομμάτι - Kubernetes on AWS
Μηχανική Μετάφραση
Μάθηση για το Kubernetes.
Felix Bautista - SGS GULF LIMITED ROHQ
Κομμάτι - Kubernetes on Azure (AKS)
Μηχανική Μετάφραση
Παρείχε καλή βάση γνώσεων για το Docker και το Kubernetes.
Stephen Dowdeswell - Global Knowledge Networks UK
Κομμάτι - Docker (introducing Kubernetes)
Μηχανική Μετάφραση