Seminar StackHPC Private Cloud – HPC, KI, Kubernetes und Azimuth Intensivseminar

Das Intensivseminar bündelt die Bereitstellung moderner Forschungs-, HPC-, KI- und Kubernetes-Plattformen auf einer StackHPC Private Cloud.

Ziel ist ein durchgängiges Self-Service-Modell von Ressourcenprofilen und Clusterangeboten bis zur Anwendungsauslieferung, Messung und Betriebsübergabe.

Inhaltsübersicht

1. Plattform- und Workloadmodell
2. Kubernetes auf OpenStack
3. Azimuth Self Service
4. GitOps mit FluxCD
5. HPC- und GPU-Ressourcen
6. Slurm-Plattformen
7. Images, Bibliotheken und Artefakte
8. Monitoring und Nutzungsbewertung
9. Betriebsübergabe
10. Praxislabor und betriebliche Einordnung

Zielsetzung

Ziel ist ein durchgängiges Self-Service-Modell von Ressourcenprofilen und Clusterangeboten bis zur Anwendungsauslieferung, Messung und Betriebsübergabe. Die Arbeitsweise verbindet fachliche Einordnung, Demonstrationen und unmittelbar nachvollziehbare Übungen an einer praxisnahen Umgebung.

Zielgruppe

Forschungs-IT, HPC- und KI-Plattformteams, Kubernetes-Administratoren, Cloud-Architekten und DevOps-Teams.

Voraussetzungen

OpenStack-, Linux-, Netzwerk-, Git- und Containergrundlagen.

Seminarinhalte

Modul 1: Plattform- und Workloadmodell

1. Schritt 1: Nutzergruppen und Workloadklassen erfassen.
2. Schritt 2: Compute-, GPU-, Netzwerk- und Speicherprofile ableiten.
3. Schritt 3: Servicegrenzen und Verantwortlichkeiten dokumentieren.

Modul 2: Kubernetes auf OpenStack

1. Schritt 1: Clusterbereitstellung über Magnum und Cluster API einordnen.
2. Schritt 2: Images, Netzwerke und Storageklassen vorbereiten.
3. Schritt 3: Cluster-Lifecycle und Zugriff testen.

Modul 3: Azimuth Self Service

1. Schritt 1: Portal- und Katalogstruktur planen.
2. Schritt 2: Cluster- und Appliance-Angebote parametrisieren.
3. Schritt 3: Mandantentrennung und Quoten verifizieren.

Modul 4: GitOps mit FluxCD

1. Schritt 1: Repository- und Umgebungsstruktur aufbauen.
2. Schritt 2: Anwendungen deklarativ ausrollen.
3. Schritt 3: Promotion, Rollback und Driftkontrolle durchführen.

Modul 5: HPC- und GPU-Ressourcen

1. Schritt 1: NUMA, CPU-Pinning, Huge Pages und Geräteprofile konfigurieren.
2. Schritt 2: Hochleistungsnetzwerke und Datenpfade abstimmen.
3. Schritt 3: Ressourcen mit repräsentativen Tests validieren.

Modul 6: Slurm-Plattformen

1. Schritt 1: Controller-, Login- und Compute-Rollen modellieren.
2. Schritt 2: Autoscaling und dynamische Ressourcenbereitstellung planen.
3. Schritt 3: Nutzerzugriff und Jobfluss prüfen.

Modul 7: Images, Bibliotheken und Artefakte

1. Schritt 1: Betriebssystem- und Containerimages reproduzierbar bauen.
2. Schritt 2: Treiber und KI-Bibliotheken versionieren.
3. Schritt 3: Freigabe- und Aktualisierungsverfahren etablieren.

Modul 8: Monitoring und Nutzungsbewertung

1. Schritt 1: Cluster-, Job- und Infrastrukturmetriken auswählen.
2. Schritt 2: Auslastung, Wartezeiten und Fehlerbilder auswerten.
3. Schritt 3: Kapazitäts- und Kosteninformationen für Service-Owner aufbereiten.

Modul 9: Betriebsübergabe

1. Schritt 1: Runbooks und Supportgrenzen erstellen.
2. Schritt 2: Wiederanlauf und Wartung ausgewählter Komponenten üben.
3. Schritt 3: Servicekatalog und Weiterentwicklung priorisieren.

Praxislabor

1. Aufgabe 1: Bereitstellung eines Kubernetes-Clusterangebots.
2. Aufgabe 2: GitOps-Auslieferung einer Beispielanwendung.
3. Aufgabe 3: Entwurf einer Slurm- oder GPU-Serviceklasse mit Betriebskennzahlen.

Praxisnutzen

Nach Abschluss können die behandelten Verfahren für Plattform- und Workloadmodell, Kubernetes auf OpenStack, Azimuth Self Service, GitOps mit FluxCD strukturiert geplant, ausgeführt, geprüft und dokumentiert werden. Technische Entscheidungen lassen sich anhand definierter Anforderungen, Messwerte und kontrollierter Arbeitsschritte begründen.