问题描述
我正在尝试找出问题的解决方案。我们拥有一些可用的计算资源-具有48 GB RAM，1 1080 Ti GPU和1TB SSD的计算机。我们希望将这些资源分配给公司中的项目。如何确定在给定方案下哪个项目应该被赋予更高的优先级。
公司接到请求，以提高作为有价值客户的现有客户的深度学习解决方案的效率。
与此同时，它还为潜在客户完成了另一项任务，其中包括完成概念验证，包括深度学习。
这两个任务都可能消耗所有可用资源。
硬约束-仅使用本地计算资源。
解决方法
一种可能是运行Kubernetes并管理广告连播。这样可以对您的服务器，网络，服务，数据库等进行虚拟化，并可以进行紧凑包装。
您可以在本地基础架构上运行Kubernetes。
陡峭的学习曲线，但可以完全控制您。
顺便说一句，我假设此计算资源是用于加速项目的投资，而不是用于生产硬件的投资。对于生产，您可能需要分离关注点。因此，在同一硬件上大量打包可能会带来风险（当一个部门/子系统的模块行为不当时，可能会对其他部门造成负面影响）。是的，虚拟化应该阻止它，并且总体上可以阻止它。但是软件不是完美的，风险也不是零。因此，请记住这一点。
阅读材料：