Kubernetes

Kubernetes، وغالبًا ما يتم اختصارها إلى K8s، هي منصة مفتوحة المصدر لتنسيق الحاويات تعمل على أتمتة نشر التطبيقات الموزعة في حاويات وتوسيع نطاقها وإدارتها. تم تطوير Kubernetes في الأصل من قِبل Google وتحتفظ بها الآن مؤسسة الحوسبة السحابية الأصلية (CNCF)، وتوفر Kubernetes إطار عمل قوي لتشغيل أنظمة موزعة ومرنة. وفي سياق الذكاء الاصطناعي (AI) والتعلم الآلي (ML)، فقد أصبح أداة أساسية لإدارة دورة حياة نماذج التعلم الآلي بأكملها، بدءًا من التدريب وحتى النشر في بيئات الإنتاج.

كيفية عمل Kubernetes

تعمل Kubernetes على مجموعة من الأجهزة، والتي يمكن أن تكون خوادم فعلية أو أجهزة افتراضية، في أماكن العمل أو في السحابة. تشمل المكونات الرئيسية ما يلي:

• الكتلة: مجموعة من العُقد (الأجهزة العاملة) التي تقوم بتشغيل التطبيقات الموضوعة في حاويات.
• عقدة: آلة عاملة في مجموعة Kubernetes. تقوم كل عقدة بتشغيل Kubelet، وهو وكيل لإدارة العقدة والتواصل مع مستوى التحكم.
• Pod: أصغر وأبسط وحدة في نموذج كائن Kubernetes. يمثل Pod مثيلًا واحدًا لعملية قيد التشغيل في مجموعة ويمكن أن يحتوي على حاوية واحدة أو أكثر، مثل حاويات Docker.
• النشر: يدير مجموعة من النسخ المتماثلة، مما يضمن تشغيل عدد محدد منها في جميع الأوقات. يعالج التحديثات والتراجعات تلقائيًا.

من خلال تجريد الأجهزة الأساسية، يسمح Kubernetes للمطورين ومهندسي MLOPS بتحديد الحالة المرغوبة للتطبيق، ويعمل على الحفاظ على تلك الحالة والتعامل مع الأعطال واحتياجات التوسع تلقائيًا. يمكنك معرفة المزيد من وثائق Kubernetes الرسمية.

Kubernetes في الذكاء الاصطناعي والتعلم الآلي

تُعد Kubernetes قوية بشكل خاص لعمليات التعلم الآلي (MLOps) لأنها تعالج العديد من التحديات المرتبطة ببناء ونشر أنظمة الذكاء الاصطناعي على نطاق واسع. إن قدرتها على إدارة الموارد بكفاءة تجعلها مثالية للمهام كثيفة الاستخدام للموارد مثل تدريب النماذج. يمكن لنظام Kubernetes توسيع نطاق مهام التدريب عبر وحدات معالجة الرسومات والعقد المتعددة، مما يقلل بشكل كبير من وقت التدريب.

بالنسبة للاستدلال، يضمن Kubernetes التوافر العالي وقابلية التوسع. فيما يلي بعض الأمثلة الواقعية:

1. خدمة الكشف عن الكائنات القابلة للتطوير: تنشر إحدى الشركات نموذج Ultralytics YOLO11 للكشف عن الكائنات في الوقت الفعلي كخدمة ويب. يتم تجميع النموذج في حاوية. وباستخدام Kubernetes، يمكنهم تلقائيًا زيادة أو خفض عدد كبسولات الاستدلال بناءً على حركة المرور الواردة. وفي حال فشل إحدى العقد، يقوم Kubernetes تلقائيًا بإعادة جدولة البودات على عقد سليمة، مما يضمن بقاء الخدمة متاحة دون تدخل يدوي. هذا نمط شائع لنشر النماذج في أنظمة المراقبة الذكية.
2. خط أنابيب معالجة اللغات الطبيعية المعقدة كخدمات مصغرة: يقوم الفريق ببناء تطبيق معالجة اللغات الطبيعية (NLP) الذي يتضمن خطوات متعددة: المعالجة المسبقة للنص، وتحليل المشاعر، والتعرف على الكيانات المسماة. كل مكون هو عبارة عن خدمة مصغرة منفصلة، يتم وضعها في حاويات بشكل مستقل. تقوم Kubernetes بتنسيق هذه الخدمات وإدارة شبكاتها والسماح بتحديث كل جزء منها وتوسيع نطاقه بشكل مستقل. توفر هذه البنية المرونة والمرونة للتطبيقات المعقدة القائمة على الذكاء الاصطناعي.

Kubernetes مقابل التقنيات ذات الصلة

• Kubernetes مقابل Docker: Docker هي أداة لبناء وتشغيل الحاويات الفردية. أما Kubernetes فهي أداة تنسيق للحاويات، حيث تدير الآلاف منها عبر العديد من الأجهزة. إنهما ليسا متنافسين بل متعاونين؛ يمكنك إنشاء صور الحاويات باستخدام Docker ثم إدارتها باستخدام Kubernetes. يمكنك البدء بالأساسيات باتباع دليل Docker Quickstart.
• Kubernetes مقابل الحوسبة بدون خادم: المنصات غير الخادمة مثل AWS Lambda تجرد كل إدارة الخادم. في المقابل، توفر Kubernetes مزيدًا من التحكم في البنية التحتية، مما يجعلها أفضل للتطبيقات طويلة الأمد أو التطبيقات ذات الحالة. في حين أن الخوادم بدون خادم أبسط للوظائف التي تعتمد على الأحداث، يمكن تشغيل الأطر بدون خادم على Kubernetes باستخدام أدوات مثل Knative.

الأدوات والنظام البيئي

نظام Kubernetes البيئي واسع ويتضمن العديد من الأدوات لتوسيع وظائفه:

• هيلم: غالبًا ما يُطلق عليه اسم مدير الحزم لـ Kubernetes، يساعدك Helm على إدارة تطبيقات Kubernetes.
• Prometheus & Grafana: مزيج شائع لمراقبة مجموعات وتطبيقات Kubernetes.
• تكامل موفري السحابة: يقدم موفرو الخدمات السحابية الرئيسيون خدمات Kubernetes المُدارة، مثل Google Kubernetes Engine (GKE) وخدمة Amazon Elastic Kubernetes (EKS) وخدمة Azure Kubernetes (AKS)، والتي تبسط إعداد المجموعات وصيانتها.
• منصات تعلّم الآلة: أدوات مثل Kubeflow مبنية على منصة Kubernetes لتوفير تدفقات عمل خاصة بالتعلّم الآلي لخطوط الأنابيب والتدريب والنشر. تعمل المنصات مثل Ultralytics HUB على تبسيط خط أنابيب التعلم الآلي (MLOps)، وغالباً ما تستخلص تعقيدات Kubernetes لتسهيل نشر النماذج.