Contacta con nosotros

Temario del curso

Introducción a la escalabilidad de Ollama

  • Arquitectura de Ollama y consideraciones de escalado
  • Cuellos de botella comunes en despliegues multiusuario
  • Mejores prácticas para la preparación de la infraestructura

Asignación de recursos y optimización de GPU

  • Estrategias eficientes de uso de CPU/GPU
  • Consideraciones de memoria y ancho de banda
  • Restricciones de recursos a nivel de contenedor

Despliegue con contenedores y Kubernetes

  • Contenerización de Ollama con Docker
  • Ejecución de Ollama en clústeres de Kubernetes
  • Balanceo de carga y descubrimiento de servicios

Escalado automático y agrupamiento (batching)

  • Diseño de políticas de escalado automático para Ollama
  • Técnicas de inferencia en lotes para optimizar el rendimiento
  • Compensaciones entre latencia y rendimiento

Optimización de la latencia

  • Perfilamiento del rendimiento de la inferencia
  • Estrategias de caché y activación previa (warm-up) de modelos
  • Reducción de la sobrecarga de E/S y comunicación

Monitoreo y observabilidad

  • Integración de Prometheus para métricas
  • Creación de paneles con Grafana
  • Alertas y respuesta a incidentes en la infraestructura de Ollama

Gestión de costos y estrategias de escalado

  • Asignación de GPU consciente del costo
  • Consideraciones entre despliegue en la nube e on-premise
  • Estrategias para un escalado sostenible

Resumen y próximos pasos

Requerimientos

  • Experiencia con administración de sistemas Linux
  • Conocimiento de contenedores y orquestación
  • Familiaridad con el despliegue de modelos de aprendizaje automático

Audiencia objetivo

  • Ingenieros DevOps
  • Equipos de infraestructura de ML
  • Ingenieros de confiabilidad del sitio (SRE)
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas