大手企業はどのように K8s を使用しているのでしょうか?

​翻訳者 |ブガッティ

企画 |趙雲

Kubernetes は、現在最も有名で人気のあるコンテナ オーケストレーション エンジンです。 Kubernetes はオープンソースであり、急速に成長しているエコシステムを備えているため、クラウド ネイティブ コンピューティングの中心となっています。過去数年間の開発と採用の傾向、特にクラウドネイティブの世界に関して見てみると、これは単なるコンテナ オーケストレーション ツール以上のものであることがわかります。コンテナ オーケストレーション エンジンから、次世代のクラウド ネイティブ エコシステムの主要な構成要素へと進化しました。

開発者は、Kubernetes を単なるコンテナ マネージャー以上のものとして実験しています。この記事では、オープンソース コミュニティで確立されたエンタープライズ パターンと一般的なユースケースのいくつかについて説明します。

1. サーバーレスコンピューティングのためのサーバーとしてのKubernetes

Kubernetes を経験した企業は、「サーバーレス サーバー」プラットフォームとしての Kubernetes の可能性を十分に認識しています。サーバーレスは現在 Kubernetes によって再定義されており、Kubernetes をサーバーレス コンピューティング用に抽象化するために、CNCF (Kubernetes の管理組織) によって最近 Knative がリリースされました。 Knative のコアは 3 つのモジュールで構成されています。

1. ビルド - ソース コードからイメージをビルドします。

2. サービング - Kubernetes クラスターに関数 (イメージ ビルド) をデプロイし、スケーリングやルーティングなどをマッピングします。

3. イベント処理 - イベントとメッセージの取り込みをサービスにマッピングします。

Kubernetes の kubectl と同様に、kn は Kubernetes 上で Function as a Service (FaaS) を有効にするターミナル上の新しいコマンドです。コンテナ イメージをビルディング ブロックとして使用し、Kubernetes 上ですべてを処理します。 Kubernetes は、サーバーレス プラットフォームとして企業での導入を加速しています。ただし、同様の製品 (AWS Lambda、Cloud Functions、Azure Functions など) は依然としてベンダー ロックインに依存しています (つまり、それぞれのクラウドにデプロイされた場合にのみ機能します)。

Kubernetes は、成果物のサイズ制限、規制コンプライアンス、データ主権、企業内のきめ細かい制御などの既存の課題に対処します。 Kubernetes 上のサーバーレス Knative と従来の Kubernetes の主なアーキテクチャ上の違いは、抽象化レイヤーが追加されていることにあります。サーバーレスの Kubernetes により、繰り返しの構成とビルドのタスクが不要になります。

図1

Kubernetes 上のサーバーレス (Kubernetes クラスターの概要図)

Knativeはサーバーレスでイベント駆動型のプラットフォームとして機能する

Knative は Kubernetes エコシステムへの新規参入者であり、イベントベースのアーキテクチャを構築するためのサーバーレス オプションに革命をもたらすと期待されています。 「ゼロへのスケール」、「ゼロからのスケール」、クラスター内構築などの機能により、Kubernetes は包括的なサーバーレス プラットフォームになります。

ビッグデータと機械学習プラットフォームとしてのKubernetes

Kubernetes は、データ サイエンスおよび機械学習テクノロジ スタックにおけるビッグ データ処理およびステートフル データ提供プラットフォームとして広く採用されています。基盤となるインフラストラクチャを抽象化し、エラスティック コンピューティングの構成を最適化し、最下層で GPU と CPU を組み合わせます。 Kubernetes は、機械学習に必要なすべてのスケジューリング機能とスケーラビリティ機能をすでに備えているため、機械学習に最適です。

コンテナと Kubernetes の組み合わせは、分散クラスタ管理の複雑さとコンピューティング規模のオーバーヘッドに直面する従来のデータ クラスタ環境と比較して、ビッグ データ ソフトウェアの構築に強力かつ柔軟です。 Kubernetes はオンデマンドの GPU と CPU コンピューティングを活用して、ビッグデータと機械学習の処理を改善します。 Kubernetes は、エッジで機械学習と NLP 処理を実行するための GPU アクセラレーション コンピューティングおよびネットワーク ソリューションを提供できます。コプロセッサ上で実行される Kubernetes は、コンピューティングの将来において重要な部分になりつつあります。動的なリソース利用の性質により、トレーニング モデルや機能エンジニアリングのニーズが急速に増減する可能性があるデータ サイエンスのワークロードに役立ちます。

図2

Kubernetes ベースのビッグデータおよび機械学習クラスター

機械学習処理のためのオンデマンドスケーラブルコプロセッサ

KubeFlow、Spark、Hadoop、PyTorch、TensorFlow などのフレームワークでは、現在コンテナが採用されています。ステートフル MLOps は、複数のクラスターを有効にし、大規模なトレーニング セットとテスト セットを処理し、学習したモデルを保存するために、コンテナーと Kubernetes を広く採用しています。データ モデリング フレームワークの扱いを簡素化するための 1 つのオプションは、宣言型で構成可能なジョブを実行できる Kubernetes 用のオープン ソース 機械学習ツールキットである Kubeflow です。

Kubeflow は、Kubernetes 上で実行される複雑なビッグデータと機械学習のパイプラインを抽象化し、オーケストレーションします。機械学習パイプラインの基盤となる Kubernetes は、MLOps のバックボーンです。これにより、データ サイエンティストや機械学習エンジニアは、ハイブリッド クラウド (パブリック クラウドまたはオンプレミス環境) を活用して、弾力性とスケーラビリティを簡単に処理できるようになります。 Kubernetes は中立的なビッグデータ プラットフォームを構築し、クラウド管理サービスがベンダーにロックインされるのを回避できます。

エンタープライズ ハイブリッドおよびマルチクラウド クラスターの連合としての Kubernetes

Kubernetes はインフラストラクチャに依存せず、企業は複雑なコンテナベースのクラスター フェデレーションを実装するために使用します。 Kubernetes は、ハイブリッドまたはマルチクラウド環境を単一のプラットフォームに統合するのに役立ち、明らかなメリットをもたらします。

マネージド サービスはすべての問題の解決策ではありません。パブリック クラウドとプライベート クラウドの利便性の間には常にトレードオフが存在します。 Kubernetes は、マルチクラウド アクセスをサポートし、業界標準の API (Kubernetes インターフェース) を介してアプリケーションをシームレスに配信できるため、この点でソリューションと見なされています。プライベート クラウドとパブリック クラウドの統合を単一のフェデレーション プラットフォームに抽象化することで、企業が Kubernetes で規制コンプライアンスを実現できるように支援します。

企業は Kubernetes を使用してハイブリッド クラスターやマルチクラウド クラスターに柔軟性を提供し、ベンダー ロックインを回避します。現在のクラウドベースのアーキテクチャ パターンが Kubernetes をどのように採用するかを見るのは興味深いでしょう。クラウドベースの企業やオープンソース コミュニティは、Kubernetes が単なるコンテナ管理ツールではないことを認識しています。 Kubernetes が、ハイブリッドまたはマルチクラウド モデルで実行されるアプリケーションのライフサイクルを管理できる完全なプラットフォームであることが明らかになりました。

Kubernetes は、Platform as a Service (PaaS) として広く採用されています。しかし、初期の Kubernetes の公式ドキュメントには、Container as a Service (CaaS) であると記載されていました。最近、Kubernetes の採用パターンと使用法が CaaS をはるかに超えて拡大していることが観察されているため、更新されたドキュメントでは Kubernetes を次世代 PaaS と呼んでいます。

Kubernetes は PaaS の新しい時代であり、次のことを意味します。

• Kubernetes とハイパーコンバージド インフラストラクチャ (HCI) を組み合わせることで、プライベート クラウドまたはハイブリッド クラウドの新しい代替手段が実現します。これにより、企業はサービスを完全に制御し、規制要件に準拠できるようになります。
• Kubernetes を使用すると、企業はハイブリッドおよびマルチクラウド環境で SRE、DevOps、DevSecOps を運用するための単一の抽象化と簡素化されたプラットフォームを実現できます。

図3

次世代PaaSとしてのKubernetes

次世代PaaSとしてのハイブリッドおよびマルチクラウドコンテナフェデレーション

IV.結論

大規模な組織では、多くの場合、自社のプラットフォームの制御を AWS Lambda、AWS Fargate、Azure Functions などに譲渡することに消極的です。 Kubernetes は、制御性とネイティブの堅牢性と、宣言型のコンテナ化エコシステムから得られるクラウドネイティブ コンピューティングの弾力性、スケーラビリティ、回復力という両方の長所を組み合わせた、事実上の選択肢となっています。 Kubernetes は、Helm (IaC)、Grafana (テレメトリ ダッシュボードとアラート)、Prometheus (メトリック フェッチャー) などのオープン ソース ツールと組み合わせることで、DevOps 対応で SRE フレンドリーなエンタープライズ エコシステムに最適な要素となります。

データサイエンスおよび機械学習企業は、ビッグデータ処理プラットフォームとして Kubernetes の導入を加速しています。最近、機械学習とビッグデータ フレームワークはコンテナ化されるようになり、基盤となるデータ クラスタリングとモデリングのエコシステムには Kubernetes が好まれるようになりました。その他の人気の機能としては、Kubernetes による弾力性のある GPU と CPU の抽象化、オンデマンドのスケーラビリティとステートフルネスなどがあります。

Knative のような Kubernetes 抽象化フレームワークは、Kubernetes を新たなレベルに引き上げます。 Kubernetes はサーバーレス アーキテクチャの新しいサーバーになりつつあり、勢いを増しています。 AWS Fargate および OpenShift に代わるオープンソースの代替手段を提供します。 Kubernetes には、「単なる」コンテナ オーケストレーション ツールという枠を超えて、さまざまな新しい役割が与えられています。

オリジナルリンク: https://dzone.com/articles/kubernetes-beyond-container-orchestration