Wave はお客様のクラスタの中で、Kubernetes ワークロードのサイジング、スケーリング、診断を行います。チームは、適切なサイズの requests、トラフィックに合わせて増減するレプリカ、障害ごとの原因を、1 つのコンソールで得られます。
各部分がばらばらに動き、クラスタ全体を見る場所がありません。
約 30 秒・約 31 秒は Wave 機能ページより。Pod 数と GPU 数は例示です。
1 つのレイヤーがクラスタ全体を見て対処します。
約 10 秒は Autopilot 機能ページより。 Kubernetes アイコン: Kubernetes コミュニティ、Apache-2.0。
Amazon EKSAWS Marketplaceライセンスキーは不要です。200 vCPU 未満は無料で、それを超えると AWS アカウントで課金されます。Amazon EKS で始める →
Red Hat OpenShiftRed Hat Ecosystem CatalogUBI ベースのイメージを使う Red Hat 認定の Helm チャートです。200 vCPU 未満はライセンスキーで無料です。OpenShift で始める →
その他の KubernetesAKS、GKE、OKD、Rancher などGHCR からインストール、またはエアギャップ環境ではイメージをミラーします。200 vCPU 未満はライセンスキーで無料です。自分のクラスタで始める →それぞれ単独でも、まとめてでも導入できます。
GPU サーバーと主なワークロードを教えてください。
お問い合わせ各カードは出典のある数字から始まります。カードを開くと、Wave が何を変えるかがわかります。
Pod は実際よりはるかに多くを要求し、どの値が安全か誰にもわかりません。メモリ使用率は平均 23% です。
CAST AI, 2025 Kubernetes Cost Benchmark Report
Smart Sizing →影響の大きい Kubernetes 障害の解決には中央値で 51 分かかり、39% は 1 時間以上かかります。
kubernetes.io, Pod Lifecycle; Komodor, 2025 Enterprise Kubernetes Report
Pod / コンテナ障害 →Gateway、HTTPRoute、Service、EndpointSlice、Pod、Node はそれぞれ別の一覧です。エンジニアはすでに業務時間の 33% を障害対応に使っています。
Kubernetes Gateway API と core API; New Relic, 2025 Observability Forecast
Cluster Map →Karpenter はデフォルトでは、Pod が Pending になってから初めてノードを起動します。Wave の 1 回のベンチマークで、最初の新しい Pod はノードとイメージを 31 秒待ちました。
Wave 3.1.0 リリース記事、1 回のベンチマーク、最初の新しい Pod
Node Warmup →ピークが来るとわかっていても、HPA は負荷が来てから動き始め、15 秒ごとに Pod を最大 2 倍にしか増やせません。
kubernetes.io の HPA デフォルト値から計算(Pod 10 個から開始)
Autopilot Scheduler →ボットとコードを持たないファンにより、リクエストは 35 億件、Ticketmaster の以前のピークの 4 倍に達しました。
Ticketmaster、Eras Tour 先行販売、2022 年 11 月
Wave Flow →Wave は GPU ノードを含むすべてのノードから、メトリクス、ログ、Kubernetes の状態を読み取ります。何を変えるかを判断し、Kubernetes API を通じて適用します。
1 読む、2 決める、3 変える。すべての変更は Kubernetes API を通ります。GPU リクエストの変更は承認後に適用されます。
信頼できる主要パートナー




EKS、GKE、AKS、OpenShift、セルフマネージドのKubernetes 1.26+で動作します。
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
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
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。
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。
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)。
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。
3 つあります。Karpenter Dashboard は Wave Console で NodePool ごとにノード、1 時間あたりのコスト、Spot 比率、thrashing を表示します。Node Warmup は次の Pod が必要とする前にノードを起動します。Wave の 1 回のベンチマークで、最初の新しい Pod は 31 秒ではなく 3 秒で Ready になりました。Spot Workload Placement はレプリカ番号に応じて、しきい値までの Pod を On-Demand に、残りを Spot に置き、YAML は変更しません。
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。
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。
ご自身のクラスタの無料 Smart Sizing レポートから始めましょう。クレジットカード不要、ホワイトグローブオンボーディング付き。