Melihat lebih dekat dalam memecahkan kesenjangan kompleksitas Kubernetes

Dekade mendatang akan menjadi musim supercloud, menurut analis teknologi perusahaan. Siapa yang akan mengoptimalkannya?

Bisnis tampaknya memilih model hybrid yang merangkul pusat data lokal, beberapa cloud publik, dan sejumlah perangkat edge. Ini adalah lingkungan yang kompleks yang membutuhkan manajemen dan penyesuaian yang konstan. Itu bisa menjadi masalah karena terkadang penyesuaian itu tidak terjadi. Sistem yang dirancang untuk mendengkur seperti Maserati tersedak seperti truk pertanian dengan air di dieselnya.

Mengoptimalkan penggunaan cloud adalah perhatian utama di semua organisasi, menurut laporan “2022 State of Cloud” Flexera. Laporan tersebut juga menemukan bahwa tantangan utama untuk operasi cloud adalah keamanan, kurangnya keahlian, dan pengelolaan pengeluaran.

Ketiga tantangan ini semuanya dipengaruhi oleh sumber daya cloud yang tidak dioptimalkan dengan baik. Dan pengoptimalan yang buruk tidak hanya memengaruhi kinerja aplikasi. Gejalanya dapat mencakup kesalahan konfigurasi yang berbahaya dan penyediaan sumber daya yang berlebihan. Yang pertama menciptakan peluang bagi penjahat dunia maya; yang kedua menghapus penghematan harga cloud bayar sesuai pemakaian dan meningkatkan jejak karbon perusahaan.

Bagaimana perusahaan melewati celah pengoptimalan cloud ini?

Rilis Optimize Live oleh StormForge, penyedia platform unggulan di Gramlabs Inc., berupaya mengatasi masalah ini. Terintegrasi dengan solusi Optimize Pro Kubernetes StormForge yang ada, Optimize Live mencakup lingkungan pra-produksi dan produksi dalam satu platform. Tujuannya adalah untuk memberikan wawasan proaktif dan berkelanjutan ke dalam lingkungan Kubernetes mereka, mengklaim keunggulan penggerak pertama di pasar pengoptimalan.

“StormForge adalah salah satu dari sejumlah startup baru yang mengganggu ruang layanan platform tradisional karena peran mereka dalam mengurangi kompleksitas konfigurasi dalam modernisasi infrastruktur dan tren DevOps,” Charlotte Dunlap, analis utama untuk platform aplikasi, teknologi perusahaan, dan layanan di GlobalData PLC., mengatakan kepada CUBE.

Dalam artikel ini, CUBE memeriksa dampak dari portofolio pengoptimalan StormForge dan menguraikan manfaat dari menggabungkan pengoptimalan produksi dan pra-produksi. (* Pengungkapan di bawah.)

Nilai dari optimasi aplikasi Kubernetes Hari ke-2

Saat perusahaan beralih dari kegembiraan Hari 1 adopsi cloud ke operasi Hari 2, sisi gelap cloud menjadi jelas, ditandai dengan ketidakmampuan untuk mengonfigurasi sumber daya cloud secara efektif. Hal ini menyebabkan kinerja aplikasi yang buruk, masalah keamanan, dan pengeluaran cloud yang sia-sia.

Ada beberapa alasan mengapa pengoptimalan cloud sangat sulit. Pertama, terlalu banyak data. Dari dua zettabytes data yang dihasilkan pada tahun 2010 menjadi 64,2 zettabytes pada tahun 2020, dan diperkirakan 181 zettabytes pada tahun 2025, proyeksi menunjukkan jumlah data yang dibuat, disalin, ditangkap, dan dikonsumsi di seluruh dunia berada pada kurva pertumbuhan yang curam tanpa tanda-tanda melambat. Dan mengapa? Saat perusahaan mengadopsi teknologi cloud, mereka beralih ke model bisnis berbasis data yang bergantung pada wawasan data. Lebih banyak data berarti wawasan yang lebih baik — jika perusahaan dapat mengelola data tersebut dengan benar. StormForge Optimize Live memberikan ini dengan memanfaatkan data yang telah dikumpulkan oleh solusi observabilitas perusahaan yang ada, memberikan wawasan yang didukung AI dan dapat ditindaklanjuti.

Kendala kedua yang dihadapi perusahaan saat mencoba mengoptimalkan lingkungan cloud-native mereka adalah kesenjangan keterampilan. Kubernetes rumit, dan ada kekurangan akut insinyur yang terlatih dalam teknologi. Pada saat penulisan, Indeed.com menunjukkan sekitar 58.000 posisi terbuka untuk insinyur terlatih K8. Di samping mempekerjakan karyawan baru, perusahaan bekerja untuk melatih ulang insinyur perangkat lunak yang ada. Menurut survei D2iQ Inc., 98% organisasi telah berinvestasi dalam pelatihan K8 atau berencana untuk berinvestasi dalam pelatihan K8.

Tetapi perekrutan dan pelatihan hanya bisa sejauh ini. D2iQ menemukan bahwa 38% pengembang dan arsitek K8 mengaku merasa lelah, sementara 51% mengatakan bekerja di aplikasi cloud-native membuat mereka ingin berhenti dari pekerjaan mereka.

Jawaban untuk mengurangi beban kerja dan meningkatkan kepuasan kerja adalah dengan mengotomatiskan proses-proses yang menyebabkan sakit kepala K8. StormForge memecahkan ini dengan memperkenalkan “otomatisasi yang tepat,” menurut Chief Executive Officer Matt Provo. Alih-alih skenario lepas tangan yang membawa pengembang keluar dari proses pengoptimalan, StormForge “memberdayakan pengembang,” kata Provo kepada CUBE selama acara “Memecahkan Kesenjangan Kompleksitas Kubernetes dengan Mengoptimalkan dengan Pembelajaran Mesin”.

Faktor ketiga, dan yang paling penting, yang dihadapi perusahaan adalah kompleksitas. Ini karena containerization, yang secara alami memotong aplikasi dan mengirimkannya ke lingkungan cloud-native yang buram dan selalu berubah. Sekali lagi, pembelajaran mesin adalah kunci untuk mengatasi masalah ini.

Mencoba untuk mengoptimalkan secara manual di lingkungan K8 adalah tidak mungkin. Dengan satu kluster K8, hal itu dapat dilakukan, tetapi mencoba mengonfigurasi ribuan, jika bukan ratusan ribu, kluster yang terus berputar naik dan turun berada di luar kemampuan manusia. Ini menjadikan pengoptimalan sebagai permainan tebak-tebakan. Karena membayar untuk penyediaan berlebih lebih disukai daripada menangani waktu henti, para insinyur lebih cenderung mengalokasikan sumber daya cloud yang berlebihan. Faktanya, 48% dari total pengeluaran cloud perusahaan terbuang percuma, menurut “Temuan Survei Limbah Cloud” StormForge. Ini menambahkan hingga total $ 17,6 miliar yang dihabiskan untuk sumber daya cloud yang tidak perlu atau menganggur, menurut penelitian tahun 2020.

Mesin ML Optimize Live memungkinkan perusahaan untuk mengoptimalkan berdasarkan parameter tertentu, menghilangkan dugaan konfigurasi K8, dan pengaturan sumber daya lainnya. Menurut statistik perusahaan, pelanggan melihat rata-rata pengurangan biaya cloud sebesar 54% dan peningkatan kinerja sistem sebesar 45%.

“[StormForge is] memberi pelanggan kemampuan untuk menjembatani masalah pra-produksi dan pasca-produksi melalui penggunaan ML, yang merekomendasikan pengkodean waktu-nyata dan perubahan konfigurasi ke sumber daya infrastruktur untuk meningkatkan kinerja aplikasi, ”kata Dunlap dalam laporan intelijen pada rilis Optimize Live .

Menutup kesenjangan data-ke-nilai

StormForge, sebelumnya dikenal sebagai Carbon Relay, dikenal karena keahliannya dalam pembelajaran mesin dan AI. Tenaga kerja perusahaan terutama adalah ilmuwan data, pakar pembelajaran mesin, dan insinyur DevOps yang “berfokus pada membangun AI nyata pada inti yang terhubung untuk memecahkan jenis masalah bisnis aktual yang tepat,” menurut Provo. Penekanan pada “ML/AI nyata” versus “hype pemasaran” adalah pembeda untuk solusi perusahaan, dan frustrasi dengan “AI kata kunci” adalah salah satu alasan Provo membentuk perusahaan di tempat pertama.

Baik Optimize Pro maupun Optimize Live menggunakan ML untuk memberikan wawasan aplikasi dalam lingkungan Kubernetes. Optimize Pro memindai kluster K8s dalam lingkungan pra-produksi, mendeteksi parameter yang dapat dikonfigurasi dan mengoptimalkannya berdasarkan tujuan pengoptimalan khusus perusahaan untuk biaya, latensi, throughput, tingkat kesalahan, dan durasi. Ini adalah proses lima langkah yang dimulai dengan pengontrol StormForge yang menjalankan serangkaian parameter dasar. Kemudian pengontrol menjalankan tes kinerja, menerapkan beban realistis ke sistem. Hasil diukur terhadap tujuan kustom, dan hasil dianalisis. Ini diulangi untuk memungkinkan ML membangun gambaran yang lengkap dan menetapkan set parameter yang ideal untuk memenuhi tujuan perusahaan.

“Optimalisasi sumber daya — kadang-kadang disebut sebagai ‘cloud rightsizing’ — adalah premis yang telah ada selama beberapa waktu, dengan berbagai tingkat daya tarik dan adopsi,” kata James Sanders, analis riset untuk 451 Research, bagian dari S&P Global Market Intelligence . “Dari sisi produk, melakukan ini untuk mesin virtual dapat dicapai dengan beberapa otomatisasi ringan, pemantauan, dan heuristik sederhana. Rightizing untuk kluster Kubernetes sedikit lebih terlibat, seperti yang sering terjadi pada Kubernetes, sehingga pendekatan berbasis ML dapat membantu mengatasi kompleksitas itu.”

Namun untuk tim DevOps, tanggung jawab tidak berakhir saat aplikasi didorong ke produksi. Jadi StormForge mengembangkan Optimize Live, membangun pengoptimalan pra-produksi Optimize Pro yang telah terbukti untuk menawarkan pengoptimalan di lingkungan produksi dan pra-produksi. Perbedaan utama antara kedua solusi tersebut adalah bahwa meskipun Optimize Pro menggunakan pendekatan eksperimen untuk pengoptimalan di lingkungan non-produksi, seperti yang dijelaskan di atas, Optimize Live beroperasi di lingkungan produksi menggunakan data observabilitas yang diambil dari solusi observabilitas pelanggan yang ada.

Ini mungkin keputusan yang aneh, karena dalam banyak kasus solusi observabilitas yang diintegrasikan dengan StormForge juga dapat dianggap sebagai pesaingnya. Tapi ini tidak terjadi, menurut Provo, yang mengatakan kepada theCUBE bahwa dia menganggap StormForge mirip dengan “Intel Inside” dari pasar observabilitas.

“Kami tidak ingin organisasi atau pengguna harus beralih dari alat dan investasi yang telah mereka buat,” katanya. “Kami tidak akan pernah mengejar Datadog atau Dynatrace atau Splunk atau AppDynamics … dan kami baik-baik saja dengan itu.”

Ini adalah pilihan yang cerdas, menurut Sanders. “Mencoba untuk menggantikan vendor lama adalah sebuah tantangan — bekerja bersama dan mengintegrasikan dengan alat observabilitas yang sudah ada adalah rute yang lebih mudah ke pasar,” katanya kepada theCUBE.

Observabilitas cerdas

Melalui analisis data observabilitas yang cerdas di lingkungan produksi, Optimize Live terus mengubah pengaturan CPU dan memori, mengoptimalkan kinerja aplikasi dan penggunaan cloud. Konfigurasi solusi yang sederhana berarti pengguna tidak memerlukan pelatihan K8 yang mendalam, dan perusahaan mengalami waktu-ke-nilai yang cepat dari investasi mereka.

“StormForge Optimize Live menggabungkan pembelajaran mesin canggih dengan alat observabilitas untuk memberi tim DevOps rekomendasi konfigurasi waktu nyata untuk memperkuat efisiensi operasional. Platform merekomendasikan pengkodean waktu nyata dan perubahan konfigurasi ke sumber daya infrastruktur untuk meningkatkan kinerja aplikasi, ”kata Dunlap kepada theCUBE.

Perbedaan lain di antara solusi tersebut adalah bahwa meskipun Optimize Pro paling baik digunakan untuk aplikasi Kubernetes yang kompleks dan kritis serta mengoptimalkan untuk berbagai skenario menggunakan pengujian beban, Optimize Live dapat digunakan untuk semua aplikasi Kubernetes dan mengoptimalkan berdasarkan pemanfaatan dan kemampuan observasi yang sebenarnya. data. Perbandingan lengkap dapat dilihat pada tabel di bawah ini dari StormForge.

Sementara platform StormForge tidak menyediakan teknologi intelijen apa pun untuk mengelola data telemetri, sesuatu yang dianggap oleh banyak pesaing observabilitas sebagai fungsionalitas dasar, berkat sikap open-source-nya, platform tersebut dapat diintegrasikan dengan teknologi lain dari anggota komunitas cloud-native. Selain itu, sementara StormForge dikenal untuk pengoptimalan, ia memiliki profil rendah dalam arena pengamatan yang lebih luas, memposisikan pendatang baru untuk menentukan proposisi nilainya dalam pasar yang sangat terfragmentasi dan berkembang cepat.

Tonton pengumuman StormForge tentang OptimizeLive selama Acara “Memecahkan Kesenjangan Kompleksitas Kubernetes dengan Mengoptimalkan Dengan Pembelajaran Mesin”, yang sebelumnya disiarkan di CUBE.

https://www.youtube.com/watch?v=videoseries

(* Pengungkapan: TheCUBE adalah mitra media berbayar untuk acara “Memecahkan Kesenjangan Kompleksitas Kubernetes dengan Mengoptimalkan Dengan Pembelajaran Mesin”. Baik StormForge, sponsor liputan acara theCUBE, maupun sponsor lain tidak memiliki kontrol editorial atas konten di theCUBE atau SiliconANGLE.)

Gambar: Getty Images