Akamai Giảm 70% Chi Phí Đám Mây với Tự Động Hóa Kubernetes Dựa trên AI
Trong kỷ nguyên của AI sáng tạo, chi phí đám mây đang tăng vọt. Các doanh nghiệp được dự báo sẽ lãng phí 44,5 tỷ đô la cho chi tiêu đám mây không cần thiết trong năm nay do sử dụng tài nguyên không hiệu quả.
Akamai Technologies, với cơ sở hạ tầng đa đám mây rộng lớn và yêu cầu bảo mật nghiêm ngặt, đối mặt với thách thức này một cách cấp bách.
Để giải quyết, gã khổng lồ về an ninh mạng và phân phối nội dung đã áp dụng nền tảng tự động hóa Kubernetes của Cast AI, tận dụng các tác nhân AI để tối ưu hóa chi phí, bảo mật và hiệu suất trên các môi trường đám mây.
Giải pháp này mang lại giảm chi phí đám mây từ 40% đến 70%, tùy thuộc vào khối lượng công việc.
“Chúng tôi yêu cầu tối ưu hóa liên tục cơ sở hạ tầng để cắt giảm chi phí đám mây mà không ảnh hưởng đến hiệu suất,” Dekel Shavit, giám đốc cấp cao về kỹ thuật đám mây tại Akamai, chia sẻ trong một cuộc phỏng vấn với VentureBeat. “Là một bộ xử lý sự kiện bảo mật, độ trễ là không thể chấp nhận được. Việc không phản hồi các cuộc tấn công trong thời gian thực không phải là một lựa chọn.”
Tác Nhân AI cho Giám Sát và Tối Ưu Hóa Thời Gian Thực
Kubernetes đơn giản hóa việc triển khai, mở rộng và quản lý ứng dụng, đặc biệt trong các thiết lập đám mây bản địa và vi dịch vụ.
Cast AI tích hợp với Kubernetes để giúp khách hàng mở rộng cụm, chọn cơ sở hạ tầng tối ưu và quản lý vòng đời tính toán, Laurent Gil, nhà sáng lập và CEO, giải thích. Nền tảng Tự Động Hóa Hiệu Suất Ứng Dụng (APA) sử dụng các tác nhân AI chuyên biệt để liên tục giám sát, phân tích và nâng cao hiệu suất, bảo mật, hiệu quả và chi phí ứng dụng. Các công ty có thể chỉ cung cấp tính toán cần thiết từ các nhà cung cấp như AWS, Microsoft hoặc Google.
APA tận dụng các mô hình học máy với học tăng cường, dựa trên dữ liệu lịch sử và mô hình, kết hợp với các công cụ quan sát và kinh nghiệm. Tích hợp với các công cụ cơ sở hạ tầng dưới dạng mã trên nhiều đám mây, nó cung cấp tự động hóa hoàn toàn.
Gil nhấn mạnh rằng quan sát chỉ là điểm khởi đầu, không phải mục tiêu cuối. Cast AI hỗ trợ áp dụng dần dần, tích hợp với các công cụ và quy trình làm việc hiện có mà không yêu cầu đại tu hoàn toàn. Tất cả phân tích và hành động đều nằm trong các cụm Kubernetes chuyên dụng của khách hàng, đảm bảo tăng cường bảo mật và kiểm soát.
Gil cũng nhấn mạnh tự động hóa tập trung vào con người, lưu ý rằng APA hỗ trợ quy trình làm việc có sự tham gia của con người, bổ trợ cho việc ra quyết định.
Nhu Cầu Cơ Sở Hạ Tầng Phức Tạp của Akamai
Shavit giải thích rằng cơ sở hạ tầng đám mây rộng lớn của Akamai hỗ trợ mạng phân phối nội dung (CDN) và dịch vụ an ninh mạng cho một số khách hàng đòi hỏi khắt khe nhất trên thế giới, tuân thủ các thỏa thuận mức dịch vụ (SLAs) và tiêu chuẩn hiệu suất nghiêm ngặt.
Là một trong những người tiêu thụ lớn nhất của một số dịch vụ nhà cung cấp, Akamai đã thực hiện kỹ thuật và tái kỹ thuật sâu rộng với hyperscaler để đáp ứng nhu cầu.
Phục vụ các khách hàng đa dạng, bao gồm các tổ chức tài chính lớn và công ty thẻ tín dụng, dịch vụ của Akamai rất quan trọng đối với tư thế bảo mật của họ.
Cân bằng sự phức tạp này với chi phí là một thách thức. Shavit lưu ý rằng các cuộc tấn công thực tế có thể làm tăng nhu cầu dung lượng lên 100X hoặc 1,000X cho các thành phần cụ thể. Tuy nhiên, việc mở rộng dung lượng đám mây trước theo quy mô như vậy là không khả thi về tài chính.
Mặc dù tối ưu hóa cấp mã đã được xem xét, sự phức tạp của mô hình kinh doanh Akamai đòi hỏi tập trung vào cơ sở hạ tầng cốt lõi.
Tối Ưu Hóa Kubernetes Thời Gian Thực
Akamai cần một nền tảng tự động hóa Kubernetes để tối ưu hóa chi phí trên cơ sở hạ tầng đa đám mây trong thời gian thực, mở rộng ứng dụng động dựa trên nhu cầu biến động mà không hy sinh hiệu suất, Shavit giải thích.
Trước đây, đội DevOps của Akamai điều chỉnh thủ công khối lượng công việc Kubernetes vài lần mỗi tháng, một quá trình tốn kém và thách thức với quy mô cơ sở hạ tầng. Cách tiếp cận không liên tục này bỏ lỡ cơ hội tối ưu hóa thời gian thực.
“Giờ đây, hàng trăm tác nhân Cast AI thực hiện việc tinh chỉnh này mỗi giây,” Shavit nói.
Các tính năng APA chính mà Akamai dựa vào bao gồm tự động mở rộng, tự động hóa Kubernetes nâng cao với đóng gói bin, tự động chọn các phiên bản tính toán tiết kiệm chi phí, điều chỉnh kích thước khối lượng công việc, tự động hóa phiên bản Spot trên vòng đời phiên bản và phân tích chi phí.
“Trong vòng hai phút sau khi tích hợp, chúng tôi có được những hiểu biết phân tích chi phí chưa từng có,” Shavit nói. “Khi các tác nhân hoạt động, tối ưu hóa bắt đầu và tiết kiệm tự động theo sau.”
Các phiên bản Spot, cung cấp dung lượng đám mây chưa sử dụng với giá chiết khấu, rất hấp dẫn nhưng phức tạp đối với khối lượng công việc của Akamai, đặc biệt là Apache Spark. Việc quá kỹ thuật hoặc thêm nỗ lực thủ công là tốn kém.
Với Cast AI, Akamai sử dụng các phiên bản Spot cho Spark mà không cần đầu tư kỹ thuật. “Giá trị của các phiên bản Spot là rõ ràng; chúng tôi chỉ cần công cụ phù hợp,” Shavit nói.
Mặc dù tăng gấp đôi hoặc gấp ba tiết kiệm trên hóa đơn đám mây là đáng kể, Shavit nhấn mạnh rằng tự động hóa mà không cần can thiệp thủ công là “vô giá,” tiết kiệm thời gian đáng kể.
Trước đây, đội của anh liên tục điều chỉnh cơ sở hạ tầng để duy trì môi trường sản xuất và đáp ứng nhu cầu khách hàng.
“Lợi ích lớn nhất là chúng tôi không còn quản lý cơ sở hạ tầng,” Shavit nói. “Các tác nhân của Cast AI xử lý việc đó, giải phóng đội ngũ của chúng tôi để tập trung vào việc cung cấp các tính năng nhanh hơn cho khách hàng.”
Ghi chú của biên tập viên: Tại VB Transform tháng này, CTO Google Cloud Will Grannis và SVP kiêm Giám đốc Phân tích của Highmark Health Richard Clarke sẽ khám phá ngăn xếp AI mới trong chăm sóc sức khỏe và các thách thức của việc triển khai hệ thống AI đa mô hình trong một môi trường phức tạp, được quy định. Đăng ký ngay hôm nay.
Bài viết liên quan
Cách Bệnh viện Ottawa sử dụng công nghệ thu âm giọng nói AI để giảm kiệt sức cho bác sĩ 70%, đạt 97% sự hài lòng của bệnh nhân
Cách AI đang chuyển đổi chăm sóc sức khỏe: Giảm kiệt sức và cải thiện chăm sóc bệnh nhânThách thức: Quá tải cho bác sĩ và khó khăn trong tiếp cận của bệnh nhânCác hệ thống y tế trên toàn thế giới đối
Các Tác nhân Phân tích Thị trường Được Hỗ trợ bởi AI cho Chiến lược Giao dịch Thông minh hơn
Sự Trỗi dậy của AI trong Thị trường Tài chính: Cách các Tác nhân Thông minh Đang Thay đổi Giao dịchThị trường tài chính không bao giờ ngủ—giá cả dao động, xu hướng xuất hiện và biến mất, cơ hội đến và
Julius AI: Cách mạng hóa phân tích dữ liệu với trí thông minh tính toán
Trong thế giới tập trung vào dữ liệu ngày nay, phân tích dữ liệu đóng vai trò quan trọng trong việc đưa ra quyết định sáng suốt. Tuy nhiên, đối với nhiều người, quá trình vẫn là khó khăn và tốn thời gian. Nhập Julius AI, một công cụ AI tính toán mang tính cách mạng được thiết kế để làm sáng tỏ phân tích dữ liệu và trao quyền cho người dùng với những hiểu biết về cấp độ chuyên gia trong M
Nhận xét (0)
0/200
Trong kỷ nguyên của AI sáng tạo, chi phí đám mây đang tăng vọt. Các doanh nghiệp được dự báo sẽ lãng phí 44,5 tỷ đô la cho chi tiêu đám mây không cần thiết trong năm nay do sử dụng tài nguyên không hiệu quả.
Akamai Technologies, với cơ sở hạ tầng đa đám mây rộng lớn và yêu cầu bảo mật nghiêm ngặt, đối mặt với thách thức này một cách cấp bách.
Để giải quyết, gã khổng lồ về an ninh mạng và phân phối nội dung đã áp dụng nền tảng tự động hóa Kubernetes của Cast AI, tận dụng các tác nhân AI để tối ưu hóa chi phí, bảo mật và hiệu suất trên các môi trường đám mây.
Giải pháp này mang lại giảm chi phí đám mây từ 40% đến 70%, tùy thuộc vào khối lượng công việc.
“Chúng tôi yêu cầu tối ưu hóa liên tục cơ sở hạ tầng để cắt giảm chi phí đám mây mà không ảnh hưởng đến hiệu suất,” Dekel Shavit, giám đốc cấp cao về kỹ thuật đám mây tại Akamai, chia sẻ trong một cuộc phỏng vấn với VentureBeat. “Là một bộ xử lý sự kiện bảo mật, độ trễ là không thể chấp nhận được. Việc không phản hồi các cuộc tấn công trong thời gian thực không phải là một lựa chọn.”
Tác Nhân AI cho Giám Sát và Tối Ưu Hóa Thời Gian Thực
Kubernetes đơn giản hóa việc triển khai, mở rộng và quản lý ứng dụng, đặc biệt trong các thiết lập đám mây bản địa và vi dịch vụ.
Cast AI tích hợp với Kubernetes để giúp khách hàng mở rộng cụm, chọn cơ sở hạ tầng tối ưu và quản lý vòng đời tính toán, Laurent Gil, nhà sáng lập và CEO, giải thích. Nền tảng Tự Động Hóa Hiệu Suất Ứng Dụng (APA) sử dụng các tác nhân AI chuyên biệt để liên tục giám sát, phân tích và nâng cao hiệu suất, bảo mật, hiệu quả và chi phí ứng dụng. Các công ty có thể chỉ cung cấp tính toán cần thiết từ các nhà cung cấp như AWS, Microsoft hoặc Google.
APA tận dụng các mô hình học máy với học tăng cường, dựa trên dữ liệu lịch sử và mô hình, kết hợp với các công cụ quan sát và kinh nghiệm. Tích hợp với các công cụ cơ sở hạ tầng dưới dạng mã trên nhiều đám mây, nó cung cấp tự động hóa hoàn toàn.
Gil nhấn mạnh rằng quan sát chỉ là điểm khởi đầu, không phải mục tiêu cuối. Cast AI hỗ trợ áp dụng dần dần, tích hợp với các công cụ và quy trình làm việc hiện có mà không yêu cầu đại tu hoàn toàn. Tất cả phân tích và hành động đều nằm trong các cụm Kubernetes chuyên dụng của khách hàng, đảm bảo tăng cường bảo mật và kiểm soát.
Gil cũng nhấn mạnh tự động hóa tập trung vào con người, lưu ý rằng APA hỗ trợ quy trình làm việc có sự tham gia của con người, bổ trợ cho việc ra quyết định.
Nhu Cầu Cơ Sở Hạ Tầng Phức Tạp của Akamai
Shavit giải thích rằng cơ sở hạ tầng đám mây rộng lớn của Akamai hỗ trợ mạng phân phối nội dung (CDN) và dịch vụ an ninh mạng cho một số khách hàng đòi hỏi khắt khe nhất trên thế giới, tuân thủ các thỏa thuận mức dịch vụ (SLAs) và tiêu chuẩn hiệu suất nghiêm ngặt.
Là một trong những người tiêu thụ lớn nhất của một số dịch vụ nhà cung cấp, Akamai đã thực hiện kỹ thuật và tái kỹ thuật sâu rộng với hyperscaler để đáp ứng nhu cầu.
Phục vụ các khách hàng đa dạng, bao gồm các tổ chức tài chính lớn và công ty thẻ tín dụng, dịch vụ của Akamai rất quan trọng đối với tư thế bảo mật của họ.
Cân bằng sự phức tạp này với chi phí là một thách thức. Shavit lưu ý rằng các cuộc tấn công thực tế có thể làm tăng nhu cầu dung lượng lên 100X hoặc 1,000X cho các thành phần cụ thể. Tuy nhiên, việc mở rộng dung lượng đám mây trước theo quy mô như vậy là không khả thi về tài chính.
Mặc dù tối ưu hóa cấp mã đã được xem xét, sự phức tạp của mô hình kinh doanh Akamai đòi hỏi tập trung vào cơ sở hạ tầng cốt lõi.
Tối Ưu Hóa Kubernetes Thời Gian Thực
Akamai cần một nền tảng tự động hóa Kubernetes để tối ưu hóa chi phí trên cơ sở hạ tầng đa đám mây trong thời gian thực, mở rộng ứng dụng động dựa trên nhu cầu biến động mà không hy sinh hiệu suất, Shavit giải thích.
Trước đây, đội DevOps của Akamai điều chỉnh thủ công khối lượng công việc Kubernetes vài lần mỗi tháng, một quá trình tốn kém và thách thức với quy mô cơ sở hạ tầng. Cách tiếp cận không liên tục này bỏ lỡ cơ hội tối ưu hóa thời gian thực.
“Giờ đây, hàng trăm tác nhân Cast AI thực hiện việc tinh chỉnh này mỗi giây,” Shavit nói.
Các tính năng APA chính mà Akamai dựa vào bao gồm tự động mở rộng, tự động hóa Kubernetes nâng cao với đóng gói bin, tự động chọn các phiên bản tính toán tiết kiệm chi phí, điều chỉnh kích thước khối lượng công việc, tự động hóa phiên bản Spot trên vòng đời phiên bản và phân tích chi phí.
“Trong vòng hai phút sau khi tích hợp, chúng tôi có được những hiểu biết phân tích chi phí chưa từng có,” Shavit nói. “Khi các tác nhân hoạt động, tối ưu hóa bắt đầu và tiết kiệm tự động theo sau.”
Các phiên bản Spot, cung cấp dung lượng đám mây chưa sử dụng với giá chiết khấu, rất hấp dẫn nhưng phức tạp đối với khối lượng công việc của Akamai, đặc biệt là Apache Spark. Việc quá kỹ thuật hoặc thêm nỗ lực thủ công là tốn kém.
Với Cast AI, Akamai sử dụng các phiên bản Spot cho Spark mà không cần đầu tư kỹ thuật. “Giá trị của các phiên bản Spot là rõ ràng; chúng tôi chỉ cần công cụ phù hợp,” Shavit nói.
Mặc dù tăng gấp đôi hoặc gấp ba tiết kiệm trên hóa đơn đám mây là đáng kể, Shavit nhấn mạnh rằng tự động hóa mà không cần can thiệp thủ công là “vô giá,” tiết kiệm thời gian đáng kể.
Trước đây, đội của anh liên tục điều chỉnh cơ sở hạ tầng để duy trì môi trường sản xuất và đáp ứng nhu cầu khách hàng.
“Lợi ích lớn nhất là chúng tôi không còn quản lý cơ sở hạ tầng,” Shavit nói. “Các tác nhân của Cast AI xử lý việc đó, giải phóng đội ngũ của chúng tôi để tập trung vào việc cung cấp các tính năng nhanh hơn cho khách hàng.”
Ghi chú của biên tập viên: Tại VB Transform tháng này, CTO Google Cloud Will Grannis và SVP kiêm Giám đốc Phân tích của Highmark Health Richard Clarke sẽ khám phá ngăn xếp AI mới trong chăm sóc sức khỏe và các thách thức của việc triển khai hệ thống AI đa mô hình trong một môi trường phức tạp, được quy định. Đăng ký ngay hôm nay.
Cách Bệnh viện Ottawa sử dụng công nghệ thu âm giọng nói AI để giảm kiệt sức cho bác sĩ 70%, đạt 97% sự hài lòng của bệnh nhân
Cách AI đang chuyển đổi chăm sóc sức khỏe: Giảm kiệt sức và cải thiện chăm sóc bệnh nhânThách thức: Quá tải cho bác sĩ và khó khăn trong tiếp cận của bệnh nhânCác hệ thống y tế trên toàn thế giới đối
Các Tác nhân Phân tích Thị trường Được Hỗ trợ bởi AI cho Chiến lược Giao dịch Thông minh hơn
Sự Trỗi dậy của AI trong Thị trường Tài chính: Cách các Tác nhân Thông minh Đang Thay đổi Giao dịchThị trường tài chính không bao giờ ngủ—giá cả dao động, xu hướng xuất hiện và biến mất, cơ hội đến và
Julius AI: Cách mạng hóa phân tích dữ liệu với trí thông minh tính toán
Trong thế giới tập trung vào dữ liệu ngày nay, phân tích dữ liệu đóng vai trò quan trọng trong việc đưa ra quyết định sáng suốt. Tuy nhiên, đối với nhiều người, quá trình vẫn là khó khăn và tốn thời gian. Nhập Julius AI, một công cụ AI tính toán mang tính cách mạng được thiết kế để làm sáng tỏ phân tích dữ liệu và trao quyền cho người dùng với những hiểu biết về cấp độ chuyên gia trong M
