Kubernetes作为AI的操作系统：1.35版本的信号
原文英文，约800词，阅读约需3分钟。
📝
内容提要
Kubernetes v1.35版本增强了AI/ML操作的可预测性，推出了工作负载感知调度、稳定的Pod资源调整和更安全的配置输出，旨在简化操作并提高资源利用率。
🔎
延伸解读
AI/ML操作的可预测性提升
Kubernetes v1.35版本通过引入工作负载感知调度和稳定的Pod资源调整，显著提升了AI/ML操作的可预测性。这意味着团队在处理复杂的AI任务时，可以更有效地管理资源，减少因调度不当导致的性能波动。
动态资源分配的重要性
动态资源分配（DRA）在v1.35中被视为设备感知编排的核心构建块。这一功能的稳定性将帮助AI/ML团队更好地管理设备资源，确保在高负载情况下的资源分配更加高效，降低了资源浪费的风险。
KYAML格式的优势
v1.35将kubectl的输出格式默认设置为KYAML，这一变化旨在减少YAML格式中的模糊行为和常见问题。对于开发者而言，使用KYAML可以提高配置的准确性，降低因格式错误导致的故障风险，提升整体工作效率。
❓
Q&A
Kubernetes v1.35版本有哪些新特性？
Kubernetes v1.35版本增强了AI/ML操作的可预测性，推出了工作负载感知调度、稳定的Pod资源调整和更安全的配置输出。
什么是工作负载感知调度？
工作负载感知调度是Kubernetes v1.35引入的一项功能，支持“全或无”调度，避免部分调度造成的资源浪费。
Kubernetes v1.35如何改善Pod资源调整？
v1.35版本允许在线调整Pod的CPU和内存，而无需重启容器，从而减少推理服务的波动。
动态资源分配在Kubernetes v1.35中的作用是什么？
动态资源分配被视为设备感知编排的核心构建块，推动设备声明的可预测性。
Kubernetes v1.35对配置输出有什么改进？
v1.35将kubectl的输出格式默认设置为KYAML，以减少模糊的YAML行为和常见格式问题。
Gartner对AI项目的预测是什么？
Gartner预测到2027年底，超过40%的AI项目将被取消，推动团队需要可重复的生产路径。
🏷️
