Akamai、AI駆動のKubernetes自動化でクラウドコストを70％削減

生成AIの時代、クラウドコストが急上昇。企業は非効率なリソース使用により、今年445億ドルの無駄なクラウド支出が予測される。

Akamai Technologiesは、広大なマルチクラウドインフラと厳格なセキュリティ要求により、この課題に直面。

これに対処するため、サイバーセキュリティとコンテンツ配信の巨人は、Cast AIのKubernetes自動化プラットフォームを採用し、AIエージェントを活用してクラウド環境全体のコスト、セキュリティ、パフォーマンスを最適化。

このソリューションは、ワークロードに応じてクラウドコストを40％から70％削減。

「パフォーマンスを損なわずにクラウドコストを削減するため、インフラの継続的な最適化が必要だった」と、Akamaiのクラウドエンジニアリングシニアディレクター、デケル・シャビト氏はVentureBeatのインタビューで語った。「セキュリティイベントプロセッサとして、遅延は許されない。リアルタイムでの攻撃対応の失敗は選択肢にない。」

リアルタイム監視と最適化のためのAIエージェント

Kubernetesは、クラウドネイティブやマイクロサービス環境でのアプリケーションのデプロイ、スケーリング、管理を効率化。

Cast AIは、Kubernetesと統合し、クラスタのスケーリング、最適なインフラ選択、コンピュートライフサイクル管理を支援すると、創業者兼CEOのローラン・ギル氏は説明。Application Performance Automation（APA）プラットフォームは、専用AIエージェントを使用して、アプリケーションのパフォーマンス、セキュリティ、効率、コストを継続的に監視、分析、強化。企業はAWS、Microsoft、Googleなどのプロバイダから必要なコンピュートのみをプロビジョニング可能。

APAは、履歴データやパターンを活用した強化学習の機械学習モデルと、観測ツールやヒューリスティクスを組み合わせる。マルチクラウドのインフラ-as-codeツールと統合し、完全自動化を提供。

ギル氏は、観測可能性は出発点にすぎず、目標ではないと強調。Cast AIは既存のツールやワークフローと統合し、完全な刷新なしで段階的な導入をサポート。すべての分析とアクションは顧客の専用Kubernetesクラスタ内で実行され、セキュリティと制御を強化。

ギル氏はまた、ヒューマンセントリックな自動化を強調し、APAは人間が関与するワークフローをサポートし、意思決定を補完すると述べた。

Akamaiの複雑なインフラ要求

シャビト氏は、Akamaiの広範なクラウドインフラが、コンテンツ配信ネットワーク（CDN）とサイバーセキュリティサービスを支え、厳格なサービスレベル契約（SLA）とパフォーマンス基準を遵守する世界で最も要求の高いクライアントに対応していると説明。

特定のベンダーサービスの最大消費者の1つとして、Akamaiはハイパースケーラーとの広範なエンジニアリングと再エンジニアリングを実施。

主要な金融機関やクレジットカード会社を含む多様なクライアントにサービスを提供し、Akamaiのサービスはセキュリティ態勢に不可欠。

この複雑さとコストのバランスは課題。シャビト氏は、実際の攻撃により特定コンポーネントのキャパシティ需要が100倍または1000倍に急増する可能性があると指摘。しかし、そのような規模でクラウドキャパシティを事前にスケーリングすることは財政的に非現実的。

コードレベルの最適化も検討されたが、Akamaiのビジネスモデルの複雑さから、基盤インフラに焦点を当てる必要があった。

リアルタイムKubernetes最適化

Akamaiは、マルチクラウドインフラ全体のコストをリアルタイムで最適化し、変動する需要に基づいてアプリケーションを動的にスケーリングするKubernetes自動化プラットフォームが必要だったとシャビト氏は説明。

以前、AkamaiのDevOpsチームは月に数回、手動でKubernetesワークロードを調整していたが、インフラの規模を考えるとコストがかかり、困難だった。この断続的なアプローチでは、リアルタイムの最適化の機会を逃していた。

「今、Cast AIの数百のエージェントが毎秒この調整を行う」とシャビト氏は述べた。

Akamaiが依存するAPAの主な機能には、オートスケーリング、高度なKubernetes自動化（ビンパッキング）、コスト効率の高いコンピュートインスタンスの自動選択、ワークロードの適切なサイズ設定、Spotインスタンスのライフサイクル全体での自動化、コスト分析が含まれる。

「統合後2分以内に、前例のないコスト分析の洞察を得た」とシャビト氏は語った。「エージェントがアクティブになると、最適化が始まり、節約が自動的に実現した。」

割引された未使用クラウドキャパシティを提供するSpotインスタンスは魅力的だったが、Akamaiのワークロード、特にApache Sparkには複雑だった。過剰なエンジニアリングや手動作業の追加はコスト的に非現実的だった。

Cast AIにより、Akamaiはエンジニアリング投資なしでSparkにSpotインスタンスを活用。「Spotインスタンスの価値は明らかだった。適切なツールが必要だっただけ」とシャビト氏は述べた。

クラウドコストの節約を2倍または3倍にすることは重要だが、シャビト氏は手動介入なしの自動化が「非常に貴重」であり、時間を大幅に節約すると強調。

以前は、チームが生産環境の維持と顧客ニーズの充足のためにインフラを常に調整していた。

「最大の利点は、インフラを管理する必要がなくなったこと」とシャビト氏は述べた。「Cast AIのエージェントがそれを処理し、チームは顧客に機能をより迅速に提供することに集中できる。」

編集者注：今月のVB Transformで、Google Cloud CTOウィル・グラニス氏とHighmark Health SVP兼主任分析責任者リチャード・クラーク氏が、ヘルスケアにおける新しいAIスタックと、複雑で規制された環境でのマルチモデルAIシステムの展開の課題を探る。今日登録してください。