كل الدورات
عن الدورة
تُحوّل هذه الدورة المتقدمة بنية Kubernetes من استجابة بسيطة إلى نظام ذكي عبر تطبيق استراتيجيات تحسين الموارد التي تلبي متطلبات تطبيقات التعلم الآلي والذكاء الاصطناعي المتقدمة. تركز الدورة على تحليل أنماط استخدام الموارد، وضبط إعدادات الموازن الأفقي للحاويات (Horizontal Pod Autoscalers) بدقة. كما تناقش استراتيجيات تعزيز التوسّع الفعّال للحفاظ على أداء مثالي خلال تغير أحمال العمل مع مراعاة أوقات بدء التطبيقات وأنماط حركة البيانات لتجنب الإفراط في توفير الموارد أو حدوث مشكلات أداء. بالإضافة إلى ذلك، تتناول الدورة أهمية إعداد حدود الطلب والحد من الموارد لضمان أداء متوقع ومنع احتكار الموارد بين التطبيقات المختلفة، مما يعزز استقرار وموثوقية النظام بشكل عام.
ماذا ستتعلم
- مراقبة مستمرة وضبط عتبات التوسيع بناءً على استخدام الموارد
- تحقيق توازن أمثل بين الأداء والتكلفة مع استخدام 70-80% من الموارد
- أتمتة التوسيع مع مراعاة أوقات بدء التطبيقات وأنماط الحركة لتفادي مشاكل الأداء
- تطبيق طلبات وحدود موارد لضمان أداء موثوق ومنع تنافس الموارد
المتطلبات المسبقة
- معرفة أساسية بالمفاهيم التقنية وبيئة العمل
- الاستعداد للممارسة وتطبيق التمارين العملية
المدرسون
H
Hurix Digital
المواضيع
التعلم الآلي
علوم البيانات
تطوير البرمجيات
علوم الحاسوب
مراقبة النظام
Kubernetes
YAML
تشغيل ML
معلومات الدورة
المنصةCoursera
المستوىغير محدد
طريقة التعلمغير محدد
السعرمجاني
المهارات
التعلم الآلي
علوم البيانات
تطوير البرمجيات
علوم الحاسوب
مراقبة النظام
Kubernetes
YAML
تشغيل ML
Scalability
Prometheus (Software)
إعلان
إعلان