Kubernetes運用はひとつの循環です。Waveは5つの段階すべてを1つのコンソールでカバーします。
- 01
監視
ツールをつなぎ合わせることなく、すべてのクラスターを見渡せます。
クラスターおよびワークロードのダッシュボード
- 02
診断
症状ではなく原因を突き止めます。
Memory Leak Detection · Container Failure Diagnosis · Pod Scheduling Delay Detection
- 03
最適化
手作業なしで無駄を削り、より速くスケールします。
Autopilot · Smart Sizing · Realtime Resizing
- 04
制御
最適化したクラスターを制限の範囲内に保ちます。
Autopilot Scheduler · Wave Flow
- 05
レポートとアラート
担当者がそのまま対応できる記録を残します。
Smart Sizing Report · 障害証跡の記録 · Alerts
↻レポートとアラートが次の監視につながります。5つの段階がすべて同じ情報をもとに動きます。
チームが最初に有効化する機能
製品領域ごとに整理 — スケーリングから障害診断まで。
リソース最適化
コンピュートのライトサイジング・スケーリング・プロビジョニング
K8s診断
クラスターの健全性問題を検出・解決
トラフィック保護
高負荷時に重要トラフィックを保護
GPUの可視化・仮想化
K8s上のすべてのGPUを可視化し、1枚を安全に共有
何を読み、どう判断し、何を変えるか。
上の 5 つの段階は 1 つの仕組みの上で動きます。Wave はメトリクスとログ、Kubernetes の状態を一緒に収集し、その上で判断し、結果を適用します。
読む
Wave が読むもの
- Pod とワークロードのメトリクス
- K8s イベントと API の状態
- GPU テレメトリ
- PV / PVC の使用状況
- Pod スケジューリング状態
- Istio メッシュテレメトリ
- + その他のシグナル
ループごとに周期が異なります。数秒から数日まで、それぞれのスケジュールで動作します。
判断する
Wave の判断のしかた
- ワークロード性能モデル (ML)
- Smart Sizing モデル (ML)
- 時系列予測 (ML)
- ルールベースの閾値とクールダウン
- LLM + スキルNEW
- + その他の頭脳
タスクに合った頭脳を選択します。イベント駆動診断のための LLM も含まれます。
変える
Wave が変えるもの
- レプリカの調整
- CPU / メモリ要求のリサイズ
- ノードのプロビジョニング
- PVC の拡張
- Istio によるトラフィックシェッディング
- 変更の推奨
- Slack 通知 / SRE ページング
- + その他のアクション
適用、推奨、または通知。Waveの自律性レベルに合わせて選択します。
どのような課題をお持ちですか？
課題を選択してください — Waveがどのように解決するか具体的にご紹介します。
Kubernetesコストを削減
使っていないK8sリソースに過剰な費用を払うのをやめましょう。
"コンテナの65%がリクエストしたCPUとメモリの半分も使っていない。"
3 シナリオ →リクエスト・リミットを安全に適正化
最大の無駄でOOMKillの原因、再起動なしで解決します。
"ようやく本番での自動リサイズを信頼できるようになりました。"
3 シナリオ →高速で信頼性の高いオートスケーリング
HPAの30秒〜3分の遅延を超え、スパイクにも耐えます。
"スケーリングの意思決定が数分ではなく約10秒で完了します。"
3 シナリオ →本番環境でKarpenterを運用
可視性とSpot節約でKarpenterを安定稼働させましょう。
"Karpenterは速いが、実際に何をしているのか、コストがいくらかかっているのか全くわからない。"
3 シナリオ →障害を防ぐ — OOMKillとCrashLoop
午前3時の呼び出しが来る前に障害の兆候を捉えます。
"インシデントの予兆が今は見えています。"
3 シナリオ →信頼できる主要パートナー
本番環境まで3ステップ
EKS、GKE、AKS、OpenShift、セルフマネージドのKubernetes 1.26+で動作します。
Helmでインストール
キーとストレージクラスを含むvalues 1つ、helm install 1回。エアギャップクラスタにも対応しています。
$ helm repo add wave-autoscale-helm \ https://release.waveautoscale.io/helm-chart$ helm install wave-autoscale-helm \ wave-autoscale-helm/wave-autoscale-helm \ -f values-ghcr.yaml \ -n wave-autoscale --create-namespace
コンソールを開く
ポートフォワードしてサインインすると、Waveがワークロードを自動的に検出します。Autopilotは最初は観察専用モードで動作させることもできます。
$ kubectl port-forward -n wave-autoscale \ svc/wave-autoscale-svc 3025:3025# open http://localhost:3025
よくある質問に明確な回答
すでにHPAを使っています。なぜこれが必要ですか?
HPAはリソース使用量が閾値を越えるかを見るだけで、実際のワークロード性能は見ません。Wave AutopilotはMLベースのワークロード性能モデリングで約10秒以内にスケーリングを判断します。HPAより約2倍速く、閾値のチューニングも不要です。
KEDAと同じものではありませんか?
違います。KEDAはイベント駆動ワークロード(Kafka、キュー)に特化しており、目的が異なります。KEDAはHPAおよびWave Autopilotを補完するもので、代替ではありません。Wave Autopilotは長時間稼働するサービスをワークロード性能に基づいてスケーリングする別の問題を解きます。
リソースサイジングにおいてVPAとの違いは何ですか?
VPAはCPUパーセンタイル統計のみを使うため、固定CPU割り当てが散発的なリクエスト急増に対応できません。Wave Smart SizingはCPUパーセンタイルとリアルタイムのワークロード需要の両方を反映し、最適な成功率を維持します(例: バースト時に1.5コアではなく2.0コアを割り当て)。
Wave FlowはIstioを置き換えますか?
いいえ。Wave FlowはIstioの上で動作し、優先順位シェーピング、仮想ウェイティングルーム、Envoyフィルタやコントロールプレーン拡張による可視性を追加します。既存のIstioメッシュには手を加えず、すべてのリクエストを同等に扱うのではなく、過負荷時の挙動を緩やかにします。
すでにKarpenterを使っています。Wave Karpenterは何を追加しますか?
Karpenterは速いですが、そのままでは本番運用に十分ではありません — コールドスタート遅延、限定的な可視性、単純なSpot利用が大規模環境で問題になります。Wave KarpenterはNode Warmup事前プロビジョニング、統合モニタリングダッシュボード、ワークロード閾値ベースの安全なSpot配置を追加し、中断なくノードコストを約70%削減します。
すでにGrafanaを使っています。Wave Diagnosisはなぜ必要ですか?
Grafanaは指標を見せてくれますが、何が問題かは自分で推測する必要があります。閾値アラートはゆっくり進行する問題をインシデント化するまで見逃します。Wave Diagnosisは5つのML診断(7〜60日のクラスタリソース予測、メモリリーク検知、CPU使用率分析、ポッドスケジューリング遅延検知、アイドルノード検知)を提供し、対症療法から予防的運用へ移行できます。
エアギャップ/オンプレ環境で動作しますか?
はい。Waveは外部依存なしにクラスタ内部だけで動作します。プライベートコンテナレジストリを含むエアギャップ環境に完全対応しています。AWS EKS Service Ready PartnerおよびRed Hat Certified Partnerで、ベアメタルKubernetesでも動作します。