关于技术/软件组织民意调查的云土著调查报告指出，与上一年相比，在生产中使用容器的使用率增加了84％，高达92％。上一年的使用Kubernetes增加了78％83％。
Kubernetes的分布式体系结构和可伸缩性通过机器学习和人工智能相互补充。这些技术的连续成熟度2021年是该领域的一年。
该公司应记住，工具支持业务目标，而不是他们自己的目标。2020是几乎所有企业都被迫考虑意外变化的一年。Kubernetes可以使用云本地生态系统构建的解决方案来加速应用程序开发服务，同时允许使用应用程序和数据的有用使用，以便公司可以通过平台和应用程序的现代化成功。
这是Kubernetes的两个实际情况，可帮助优化AI项目的性能和成本。
该项目描述了许多酒吧和餐厅使用的POS软件和地点管理系统。从时间上，Mobidev技术专家累积了大量的历史POS销售数据，提出了一个想法，应用人工智能（AI）算法，找到了先前的销售模型，并为每个阶段制作。
解决AI计算需要大量资源的问题的问题，因此最初使用了AWS EMR云服务中的虚拟机。该系统中的场所越多，基础架构的越昂贵。算法处理每日销售数据，并且白天闲置，AI模块的高CPU负载在一夜之间发生。为了降低基础架构的成本，在Docker Swarm的帮助下实现了计算资源的手册管理。
在MVP开发阶段，使用Kubernetes是没有意义的，因为它需要大量的研究和采用。但是，随着场地数量的增加，需要一种新的数据工程方法来提供自动化，可扩展性和成本优化。
Kubernetes允许自动缩放并提供真实的计算资源优化。
1.绩效和成本优化值得注意的是，在Kubernetes上，相同数据数量数据的相同逻辑的相同逻辑的速度比AWS EMR快得多，并且同时消耗的计算资源小于EMR在Kubernetes中，与以前的EMR生产环境相比，运行AI模块脚本的相同数量的场地减少了10次。
2.可靠性改进系统稳定性是我们从AWS EMR转到Kubernetes的关键原因。在EMR中，脚本启动有时由于未知原因而失败，并且日志没有提供任何有用的信息。
3.项目开发对亚马逊EMR的可扩展改进受到未来添加的最大新地点的限制。Kubernetes取消了限制和自动扩展，这对于快速增长项目至关重要。
Kubernetes上的系统可提供更快的结果，消耗较少的计算资源，使客户能够降低AWS计费的成本并确保稳定且可预测的产品交付。
Kubernetes Mobideo涉及的另一个实际业务案例是一种智能计算资源，自动缩放在视频监视系统中面部模糊功能的智能计算资源中。队列和基于人工智能的面部模糊功能。Kubernetes用作所有这些应用程序的编排。
当出现新的视频处理请求时，后端将在Kubernetes API的帮助下自动扩展，并自动添加更多的员工来处理请求。
Kubernetes的分布式体系结构和可伸缩性通过机器学习和人工智能相互补充。这些技术的连续成熟度2021年是该领域的一年。
企业应记住，工具支持业务目标，而不是工具本身。2020是几乎所有企业都被迫考虑意外更改的一年。Kubernetes可以使用云本机生态系统构建的解决方案，即通过使用云本机生态系统构建的解决方案来加速应用程序开发服务。同时，可以有用的应用程序和数据，使公司可以通过其平台和应用程序的现代化成功。