Ce que vous devez savoir avant
Vous commencez

Débute 4 June 2026 11:05

Se termine 4 June 2026

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Intégrer la Capacité de Traitement par Lots dans Kubernetes, en Utilisant l'IA et le Big Data comme Exemple

Explorez les fonctionnalités avancées de planification pour les charges de travail par lots dans Kubernetes, en vous concentrant sur les applications d'IA et de big data utilisant des frameworks comme TensorFlow et Spark. Découvrez la planification équitable et le projet Volcano.
CNCF [Cloud Native Computing Foundation] via YouTube

CNCF [Cloud Native Computing Foundation]

6076 Cours


23 minutes

Amélioration optionnelle disponible

Not Specified

Progressez à votre rythme

Conference Talk

Amélioration optionnelle disponible

Aperçu

Explore advanced scheduling features for batch workloads in Kubernetes, focusing on AI and big data applications using frameworks like TensorFlow and Spark. Learn about fair-share scheduling and the Volcano project.

Programme

  • Introduction à Kubernetes
  • Aperçu de l'architecture de Kubernetes
    Bases de la planification Kubernetes
    Composants clés : nœuds, pods, déploiements
  • Charges de Travail de Lots dans Kubernetes
  • Comprendre le traitement par lots
    Comparaison du traitement par lots vs. le traitement en temps réel
    Cas d'utilisation dans l'IA et le big data
  • Fonctionnalités Avancées de Planification
  • Aperçu du planificateur de Kubernetes
    Politiques et contraintes de planification
    Gestion et allocation des ressources
  • Planification à Partage Équitable
  • Introduction aux concepts de planification à partage équitable
    Importance dans les environnements de calcul partagés
    Mise en œuvre de la planification à partage équitable dans Kubernetes
  • Le Projet Volcano
  • Introduction à Volcano et son objectif
    Caractéristiques clés et avantages pour les charges de travail par lots
    Intégration avec Kubernetes
  • Charges de Travail d'IA sur Kubernetes
  • Exécution de TensorFlow sur Kubernetes
    Stratégies de formation distribuées
    Allocation des ressources et mise à l'échelle pour les applications d'IA
  • Charges de Travail de Big Data sur Kubernetes
  • Exécution d'Apache Spark sur Kubernetes
    Configuration des clusters Spark
    Gestion efficace des pipelines de données
  • Étude de Cas : Mise en Œuvre Réelle
  • Exemples de charges de travail d'IA et de big data
    Évaluation de l'impact de la planification à partage équitable
    Histoires de succès utilisant Volcano et Kubernetes
  • Meilleures Pratiques et Tendances Futures
  • Meilleures pratiques pour gérer les charges de travail par lots
    Tendances émergentes dans l'IA et le big data sur Kubernetes
    Préparation aux futures capacités de planification de Kubernetes
  • Conclusion et Ressources
  • Récapitulation des concepts clés
    Lectures supplémentaires et ressources pour des approfondissements
    Opportunités de soutien communautaire et de collaboration

Matières

Conference Talks