Akamai AI-Driven Kubernetes Automation के साथ क्लाउड लागत में 70% की कटौती करता है

जेनरेटिव AI के युग में, क्लाउड खर्च बढ़ रहा है। इस वर्ष उद्यमों के लिए अनावश्यक क्लाउड खर्च में $44.5 बिलियन बर्बाद होने का अनुमान है, जो अक्षम संसाधन उपयोग के कारण है।

Akamai Technologies, अपनी विशाल, मल्टी-क्लाउड इंफ्रास्ट्रक्चर और कठोर सुरक्षा मांगों के साथ, इस चुनौती का सामना तीव्रता से करता है।

इसे संबोधित करने के लिए, साइबरसुरक्षा और सामग्री वितरण दिग्गज ने Cast AI के Kubernetes स्वचालन प्लेटफॉर्म को अपनाया, जो AI एजेंट्स का उपयोग करके क्लाउड वातावरण में लागत, सुरक्षा और प्रदर्शन को अनुकूलित करता है।

इस समाधान ने वर्कलोड के आधार पर क्लाउड लागत में 40% से 70% की कमी प्रदान की।

“हमें अपने इंफ्रास्ट्रक्चर का निरंतर अनुकूलन चाहिए था ताकि प्रदर्शन से समझौता किए बिना क्लाउड लागत को कम किया जा सके,” Akamai के क्लाउड इंजीनियरिंग के वरिष्ठ निदेशक डेकेल शविट ने VentureBeat के साथ एक साक्षात्कार में कहा। “एक सुरक्षा घटना प्रोसेसर के रूप में, देरी अस्वीकार्य है। वास्तविक समय में हमलों का जवाब देने में विफलता कोई विकल्प नहीं है।”

वास्तविक समय निगरानी और अनुकूलन के लिए AI एजेंट्स

Kubernetes विशेष रूप से क्लाउड-नेटिव और माइक्रोसर्विसेज सेटअप में एप्लिकेशन डिप्लॉयमेंट, स्केलिंग और प्रबंधन को सुव्यवस्थित करता है।

Cast AI, Kubernetes के साथ एकीकृत होकर क्लाइंट्स को क्लस्टर स्केल करने, इष्टतम इंफ्रास्ट्रक्चर चुनने और कम्प्यूट लाइफसाइकिल प्रबंधित करने में मदद करता है, संस्थापक और CEO लॉरेंट गिल ने बताया। इसका Application Performance Automation (APA) प्लेटफॉर्म विशेष AI एजेंट्स का उपयोग करता है जो लगातार निगरानी, विश्लेषण और एप्लिकेशन प्रदर्शन, सुरक्षा, दक्षता और लागत को बेहतर बनाता है। कंपनियां AWS, Microsoft, या Google जैसे प्रदाताओं से केवल आवश्यक कम्प्यूट प्रोविजन कर सकती हैं।

APA मशीन लर्निंग मॉडल्स को रीइन्फोर्समेंट लर्निंग के साथ उपयोग करता है, जो ऐतिहासिक डेटा और पैटर्न, ऑब्जर्वेबिलिटी टूल्स और ह्युरिस्टिक्स के साथ संयुक्त है। मल्टी-क्लाउड में इंफ्रास्ट्रक्चर-एज-कोड टूल्स के साथ एकीकृत, यह पूर्ण स्वचालन प्रदान करता है।

गिल ने जोर दिया कि ऑब्जर्वेबिलिटी केवल शुरुआती बिंदु है, अंतिम लक्ष्य नहीं। Cast AI धीरे-धीरे अपनाने का समर्थन करता है, मौजूदा टूल्स और वर्कफ्लोज के साथ एकीकृत होता है बिना पूर्ण ओवरहाल की आवश्यकता के। सभी विश्लेषण और कार्यवाही ग्राहक के समर्पित Kubernetes क्लस्टर के भीतर रहती है, जिससे बढ़ी हुई सुरक्षा और नियंत्रण सुनिश्चित होता है।

गिल ने मानव-केंद्रित स्वचालन पर भी जोर दिया, यह उल्लेख करते हुए कि APA मानव-इन-द-लूप वर्कफ्लोज का समर्थन करता है, निर्णय लेने में पूरक बनता है।

Akamai की जटिल इंफ्रास्ट्रक्चर मांगें

शविट ने बताया कि Akamai का विशाल क्लाउड इंफ्रास्ट्रक्चर इसके सामग्री वितरण नेटवर्क (CDN) और साइबरसुरक्षा सेवाओं को समर्थन देता है, जो दुनिया के कुछ सबसे मांग वाले ग्राहकों के लिए है, जो सख्त सेवा स्तर समझौतों (SLAs) और प्रदर्शन मानकों का पालन करता है।

कुछ विक्रेता सेवाओं के सबसे बड़े उपभोक्ताओं में से एक के रूप में, Akamai ने अपनी जरूरतों को पूरा करने के लिए अपने हाइपरस्केलर के साथ व्यापक इंजीनियरिंग और री-इंजीनियरिंग की है।

विविध ग्राहकों की सेवा करते हुए, जिनमें प्रमुख वित्तीय संस्थान और क्रेडिट कार्ड कंपनियां शामिल हैं, Akamai की सेवाएं उनकी सुरक्षा स्थिति के लिए महत्वपूर्ण हैं।

इस जटिलता को लागत के साथ संतुलित करना एक चुनौती है। शविट ने नोट किया कि वास्तविक दुनिया के हमले विशिष्ट घटकों के लिए क्षमता की जरूरत को 100X या 1,000X तक बढ़ा सकते हैं। हालांकि, क्लाउड क्षमता को इतने बड़े पैमाने पर पहले से स्केल करना वित्तीय रूप से अव्यवहारिक है।

हालांकि कोड-स्तर अनुकूलन पर विचार किया गया था, Akamai के बिजनेस मॉडल की जटिलता ने कोर इंफ्रास्ट्रक्चर पर ध्यान केंद्रित करने की आवश्यकता को जन्म दिया।

वास्तविक समय Kubernetes अनुकूलन

Akamai को अपने मल्टी-क्लाउड इंफ्रास्ट्रक्चर में लागत को अनुकूलित करने के लिए एक Kubernetes स्वचालन प्लेटफॉर्म की आवश्यकता थी, जो वास्तविक समय में अनुप्रयोगों को उतार-चढ़ाव वाली मांग के आधार पर गतिशील रूप से स्केल करे बिना प्रदर्शन से समझौता किए, शविट ने बताया।

पहले, Akamai की DevOps टीम मैन्युअल रूप से Kubernetes वर्कलोड को महीने में कुछ बार समायोजित करती थी, जो इंफ्रास्ट्रक्चर के पैमाने को देखते हुए एक महंगा और चुनौतीपूर्ण प्रक्रिया थी। यह रुक-रुक कर होने वाला दृष्टिकोण वास्तविक समय अनुकूलन के अवसरों को चूक गया।

“अब, Cast AI के सैकड़ों एजेंट्स हर सेकंड इस ट्यूनिंग को करते हैं,” शविट ने कहा।

Akamai जिन प्रमुख APA विशेषताओं पर निर्भर करता है, उनमें ऑटोस्केलिंग, बिन पैकिंग के साथ उन्नत Kubernetes स्वचालन, लागत-कुशल कम्प्यूट इंस्टेंसेस का स्वचालित चयन, वर्कलोड राइटसाइजिंग, इंस्टेंस लाइफसाइकिल में स्पॉट इंस्टेंस स्वचालन, और लागत विश्लेषण शामिल हैं।

“एकीकरण के दो मिनट के भीतर, हमें अभूतपूर्व लागत विश्लेषण अंतर्दृष्टि प्राप्त हुई,” शविट ने कहा। “एक बार एजेंट्स सक्रिय होने के बाद, अनुकूलन शुरू हुआ, और बचत स्वचालित रूप से हुई।”

स्पॉट इंस्टेंसेस, जो छूट पर अप्रयुक्त क्लाउड क्षमता प्रदान करते हैं, Akamai के वर्कलोड, विशेष रूप से Apache Spark के लिए आकर्षक लेकिन जटिल थे। ओवरइंजीनियरिंग या मैन्युअल प्रयास जोड़ना लागत-निषेधात्मक था।

Cast AI के साथ, Akamai ने बिना किसी इंजीनियरिंग निवेश के Spark के लिए स्पॉट इंस्टेंसेस का उपयोग किया। “स्पॉट इंस्टेंसेस का मूल्य स्पष्ट था; हमें बस सही टूल की जरूरत थी,” शविट ने कहा।

हालांकि क्लाउड बिलों पर बचत को दोगुना या तिगुना करना महत्वपूर्ण है, शविट ने जोर दिया कि बिना मैन्युअल हस्तक्षेप के स्वचालन “अमूल्य” है, जो पर्याप्त समय बचाता है।

पहले, उनकी टीम को उत्पादन वातावरण बनाए रखने और ग्राहक जरूरतों को पूरा करने के लिए लगातार इंफ्रास्ट्रक्चर समायोजित करना पड़ता था।

“सबसे बड़ा लाभ यह है कि अब हमें अपने इंफ्रास्ट्रक्चर का प्रबंधन नहीं करना पड़ता,” शविट ने कहा। “Cast AI के एजेंट्स इसे संभालते हैं, जिससे हमारी टीम ग्राहकों के लिए तेजी से सुविधाएँ प्रदान करने पर ध्यान केंद्रित कर सकती है।”

संपादक का नोट: इस महीने के VB Transform में, Google Cloud CTO विल ग्रानिस और Highmark Health SVP और मुख्य विश्लेषण अधिकारी रिचर्ड क्लार्क स्वास्थ्य सेवा में नए AI स्टैक और जटिल, विनियमित वातावरण में मल्टी-मॉडल AI सिस्टम को तैनात करने की चुनौतियों का पता लगाएंगे। आज ही पंजीकरण करें।