Deckhouse | Для инженеров

Физические серверы, частное и публичное облако, как правило, администрируются разными инструментами и разными командами. Несколько инструментов почти всегда означают разные политики безопасности на каждой площадке и риск простоя при любом переносе сервиса между ними.

Deckhouse Platform закрывает сценарий создания распределённой гибридной инфраструктуры и управляет всем этим как одной платформой, включая edge-архитектуры.

Как это работает технически — в карточках.

Запишитесь на консультацию и узнайте, как Deckhouse Platform впишется в вашу инфраструктуру →

Deckhouse Platform закрывает большую часть рутины по обслуживанию инфраструктуры, поэтому у инженеров освобождается время для погружения в запущенные на платформе приложения — ту бизнес-ценность, ради которой платформа и появилась в компании.

Установка, обновления, масштабирование и поддержка кластера — уже «из коробки» или с минимальными усилиями.

Освободившееся время можно инвестировать туда, где его всегда не хватает:
• на разработку и запуск своих приложений;
• на собственные модули к платформе, чтобы расширить её возможности под свои сценарии;
• на эксперименты с ИИ-нагрузками и другими технологиями.

У Deckhouse Platform есть Open Source-редакция. Она бесплатная, но со всем необходимым для продакшена. Исходный код открыт, можно посмотреть, как устроены модули и расширения, и предложить свой pull request. В сообществе вокруг платформы уже более 2000 человек.

Если пока не хватает опыта работы с модулями и настройкой продуктов Deckhouse — можно начать с Deckhouse Академии.

Сколько лучших инженеров на самом деле заняты продуктом, а сколько — тем, чтобы инфраструктура просто не падала?

Что об этом думает наш директор продуктовых направлений Deckhouse — в карточках.

Узнайте больше о Deckhouse Platform →

Разработчики ждут создания окружений, заказывают ресурсы через тикеты, долго согласовывают изменения и вынуждены разбираться в чужих конфигурациях. А инженеры эксплуатации тем временем тонут в типовых заявках.

Deckhouse Development Portal переводит эти операции в режим самообслуживания. Команды управляют инфраструктурой по кнопке, а организация сохраняет контроль над безопасностью и качеством.

На вебинаре 2 октября в 12:00 вы узнаете, как:
• посчитать в рублях стоимость инфраструктуры разработки отдельных бизнес-инициатив и найти неэффективные продукты;
• закрепить лучшие практики успешных команд в готовых шаблонах и стандартных сценариях;
• встроить требования ИБ в общий процесс SDLC;
• адаптировать Development Portal под устоявшиеся процессы организации и уже используемые инфраструктурные решения.

Будет полезен техническим директорам, руководителям ИТ, разработки и эксплуатации, архитекторам, тимлидам разработки, DevOps- и SRE-инженерам.

Регистрируйтесь, чтобы оценить, как Deckhouse Development Portal впишется в ваш ИТ-ландшафт →

«Уберу перед пушем в мастер…» — так токены и остаются в истории гита навсегда. За 2025 год из-за подобных ошибок в публичных репозиториях засветилось 29 миллионов секретов.

Техлид модуля Secrets в CodeScoring разобрал анатомию утечек: откуда секреты текут — от .env и CI-логов до ИИ-конфигов — и чем это заканчивается: от счёта на миллионы до бизнеса, уничтоженного за один день.

Внутри — практический чек-лист. Вы узнаете, как быстро проверить свой репозиторий (.gitignore, grep по истории гита, gitleaks в Docker) и что делать, если секрет уже нашёлся: ротация, чистка истории, чтобы не наступить на те же грабли.

Читать →

GPU для ИИ‑сервиса часто докупают, когда он перестаёт справляться в проде. Но обычно дело не в количестве карт. Важно понимать, как запущена модель, сколько памяти съедает KV‑cache и какой GPU‑профиль нужен именно этому сервису.

Александр Подмосковный, директор продуктового направления ML/AI/GPU в «Фланте», покажет, как это решают в Deckhouse Platform.

Разберёт два уровня:
• планировщик инференса — ещё до запуска оценивает модель и сервис по квантованию, контексту, KV‑cache и допустимой задержке, а затем строит план запуска: среду исполнения, GPU‑профиль, режим шаринга;
• контур управления GPU исполняет этот план на реальном железе через DRA‑заявки, GPU‑инвентарь, MPS‑шаринг и scheduler extender для размещения нагрузок.

На примере ИИ‑ассистента с RAG покажет, как один сервис раскладывается на LLM, embeddings, reranker, OCR/STT/TTS и агентные сценарии. У каждой части свой GPU‑профиль: где‑то нужна целая GPU, где‑то MIG, где‑то доля по MPS.

23 сентября, 18:00, SmartData.

Если вы работаете с DKP, у вас наверняка есть вопрос: что с ней произошло после анонса Deckhouse Platform?

Разобрали по пунктам в карточках — что осталось прежним, что изменилось и что это значит для вас.

Больше о решениях Deckhouse Platform →