Herramientas

Prometheus

Sigue la cobertura, explicaciones e historias tecnológicas relacionadas.

Última cobertura

CN
Los agentes de inteligencia artificial no sustituyen a Kubernetes: ¿cómo dividir de forma segura las funciones de control?

Los agentes de inteligencia artificial no sustituyen a Kubernetes: ¿cómo dividir de forma segura las funciones de control?

El artículo propone mantener la inferencia y la recopilación de contexto bajo la responsabilidad de los agentes de inteligencia artificial, dejando la ejecución de cambios y la conciliación del estado a los operadores de Kubernetes y los sistemas de políticas. Esta separación busca aprovechar los agentes sin otorgarles autoridad ilimitada sobre los clústeres.

CN
Cómo los equipos de Kubernetes obtienen una visibilidad segura de las métricas de GPU sin exponer los datos de los inquilinos

Cómo los equipos de Kubernetes obtienen una visibilidad segura de las métricas de GPU sin exponer los datos de los inquilinos

Dos ingenieros de Adobe presentan una arquitectura de código abierto que proporciona a cada equipo de un clúster de Kubernetes multiinquilino acceso autoservicio y aislado a sus métricas, reduciendo el volumen de series almacenadas alrededor de un 97 % en el caso típico. El método se basa en Prometheus, kube-rbac-proxy, prom-label-proxy y recursos personalizados de Kubernetes, en lugar de crear una nueva plataforma de monitorización.

CN
De la programación con IA a una infraestructura lista para producción

De la programación con IA a una infraestructura lista para producción

Doron Grinstein considera que las herramientas de programación con inteligencia artificial han reducido el coste de iniciar proyectos, pero han ampliado la brecha entre construir un prototipo y operar un servicio seguro y escalable. En lugar de abandonar las prácticas cloud native, aboga por hacerlas utilizables por agentes y desarrolladores no especializados mediante interfaces declarativas y barreras de protección automatizadas.

CN
Cómo anticiparse a los picos de demanda: escalado predictivo de cargas de GPU en Kubernetes

Cómo anticiparse a los picos de demanda: escalado predictivo de cargas de GPU en Kubernetes

Dos ingenieros de Adobe presentan un diseño para el escalado proactivo de cargas de GPU en Kubernetes, con el objetivo de compensar la lentitud del aprovisionamiento de nodos, que hace que el escalado reactivo llegue tarde a las oleadas de demanda. El diseño se basa en un modelo Bi-LSTM, un detector de picos repentinos y un escalador gradual, con pruebas en modo sombra que mostraron una precisión del 85 % dentro de un margen de ±10 % diez minutos antes de la demanda.

CN
CNCF otorga a Kubeflow el estatus de proyecto graduado para reforzar el estándar de operación de la IA en Kubernetes

CNCF otorga a Kubeflow el estatus de proyecto graduado para reforzar el estándar de operación de la IA en Kubernetes

La CNCF anunció la graduación del proyecto Kubeflow, considerándolo una plataforma madura y lista para su uso en producción para gestionar el ciclo de vida de la inteligencia artificial y el aprendizaje automático en Kubernetes. La decisión llega después de que el proyecto se expandiera hasta superar los 6.600 colaboradores y alcanzar casi 260 millones de descargas de paquetes de Python desde PyPI.