Kerangka Materi

Pengantar Operasi Kubernetes Berbasis AI

  • Mengapa AI penting untuk operasi klaster modern
  • Keterbatasan logika penjadwalan dan penskalaan tradisional
  • Konsep-konsep kunci ML untuk manajemen sumber daya

Dasar-Dasar Manajemen Sumber Daya Kubernetes

  • Dasar-dasar alokasi CPU, GPU, dan memori
  • Memahami kuota, batas, dan permintaan
  • Mengidentifikasi bottleneck dan inefisiensi

Pendekatan Pembelajaran Mesin untuk Penjadwalan

  • Model terawasi dan tidak terawasi untuk penempatan beban kerja
  • Algoritma prediktif untuk permintaan sumber daya
  • Menggunakan fitur ML di scheduler kustom

Pembelajaran Penguatan untuk Autoscaling Cerdas

  • Bagaimana agen RL belajar dari perilaku klaster
  • Mendesain fungsi hadiah untuk efisiensi
  • Membangun strategi autoscaling berbasis RL

Autoscaling Prediktif dengan Metrik dan Telemetri

  • Menggunakan data Prometheus untuk peramalan
  • Menerapkan model time-series ke autoscaling
  • Mengevaluasi akurasi prediksi dan menyesuaikan model

Implementasi Alat Optimasi Berbasis AI

  • Mengintegrasikan kerangka ML dengan kontroler Kubernetes
  • Menyebarkan loop kontrol cerdas
  • Memperluas KEDA untuk pengambilan keputusan berbasis AI

Strategi Optimasi Biaya dan Kinerja

  • Mengurangi biaya komputasi melalui penskalaan prediktif
  • Meningkatkan pemanfaatan GPU dengan penempatan berbasis ML
  • Menyeimbangkan latensi, throughput, dan efisiensi

Skenario Praktis dan Kasus Nyata

  • Autoscaling aplikasi berbeban tinggi dengan AI
  • Mengoptimalkan pool node heterogen
  • Menerapkan ML ke lingkungan multi-tenant

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Memahami dasar-dasar Kubernetes
  • Pengalaman dengan penyebaran aplikasi berkontainer
  • Kenyamanan dengan operasi klaster dan manajemen sumber daya

Audience

  • SREs yang bekerja dengan sistem terdistribusi berskala besar
  • Operator Kubernetes yang mengelola beban kerja berpermintaan tinggi
  • Insinyur platform yang mengoptimalkan infrastruktur komputasi
 21 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (5)

Kursus Mendatang

Kategori Terkait