Die vielen Facetten eines Kubernetes-Deployments

In einem Kubernetes-Cluster werden Ressourcen durch die dazugehörigen Kubernetes-Manifeste deployt. Es gibt jedoch eine Vielzahl von Möglichkeiten, um dies zu tun. Eine erste Möglichkeit ist das Deployen mittels kubectl. Diesen Prozess kann man mittels einer Continuous-Delivery-Pipeline unterstützen. Aber gibt es noch anderen Optionen, die Manifeste zu deployen?

Helm hat sich als De-facto-Standard etabliert. Des Weiteren gibt es noch eine Vielzahl von anderen Werkzeugen wie GitKube, Flux oder Skaffold, die einen anderen Ansatz haben, um das Deployment der Ressourcen zu starten.

Dieser Vortrag soll dem Teilnehmer einen Überblick über die verschiedenen Manifest-Deployment-Strategien geben und aufzeigen, wie man sie verwenden kann. Am Ende des Vortrags sollen Teilnehmer entscheiden können, welches Tool für ihre Zwecke am besten geeignet ist.

Vorkenntnisse

* Grundlegendes Verständnis von Kubernetes-Konzepten.
* Erste Erfahrung mit Continuous Delivery im Kubernetes-Kontext.

Lernziele

* Einen Überblick über aktuelle Kubernetes-Deployment-Werkzeuge erhalten.
* Hilfestellung zur Entscheidung darüber, welches Tool einem selbst am besten helfen kann.

 

Agenda

ab 8.30 Uhr Registrierung und Begrüßungskaffee

9.30 Uhr Beginn

Intro

Machine Learning

  • Was ist Machine Learning?
  • Der typische ML Workflow
  • Was sind neuronale Netze?
  • Jupyter Lab mit Python
  • Eine Einführung in TensorFlow
  • Keras als High-Level API für TensorFlow

Praxisteil: Deep Learning Modelle mit Keras

  • Datengeneratoren
  • Datasets explorativ analysieren
  • Hold-Out vs. Cross Validation

11.00 - 11.15 Uhr: Kaffeepause

Praxisteil: Deep Learning Modelle mit Keras

  • Feed-Forward Netzarchitektur
  • Convolutional Neural Networks als Deep Learning Ansatz
  • Evaluation und Visualisierung des Modells

12.30 - 13.30 Uhr: Mittagspause

Pipelines mit Luigi

  • Anforderungen an produktive Modelle
  • Übersicht über Luigi und dessen Module
  • Bau eines Beispiel-Workflows

Praxisteil: Den Keras-Workflow mit Luigi implementieren

  • Anforderungen an produktive Modelle
  • Übersicht über Luigi und dessen Module
  • Bau eines Beispiel-Workflows

15.30 - 15.45 Uhr: Kaffeepause

Praxisteil: TensorFlow-Serving

  • Übersicht über TensorFlow-Serving
  • Ladestrategien konfigurieren
  • Deployment des Modells

ca. 17.00 Uhr: Ende

 

Referent

 

Niclas Mietz Niclas Mietz ist DevOps Engineer bei der bee42 solutions GmbH. Neben seinem Job arbeitet er gerne an Open-Source-Projekten mit Container-Bezug und neuen Technologien im Container-Ökosystem. Wenn er nicht gerade lokale Meetups besucht, organisiert er das Docker-Bochum- und das DevOps-Ruhr-Meetup.

Platin-Sponsor

Gold-Sponsor

Silber-Sponsoren


CLC-Newsletter

Sie möchten über die Continuous Lifecycle
auf dem Laufenden gehalten werden?

 

Anmelden