Wave Sizing
CPU 10코어 비용을 내고 1코어만 씁니다
Pod는 실제보다 훨씬 많이 요청하고, 어떤 값이 안전한지 아무도 모릅니다. 메모리 사용률은 평균 23%입니다.
CAST AI, 2025 Kubernetes Cost Benchmark Report
Smart Sizing →Kubernetes와 GPU 운영을 쉽게
Wave는 고객의 클러스터 안에서 Kubernetes 워크로드를 사이징하고, 스케일링하고, 진단합니다. 팀은 알맞은 요청값, 트래픽을 따라 움직이는 레플리카, 장애마다의 원인을 하나의 콘솔에서 얻습니다.
Wave 도입 전
각 부분이 따로 움직입니다. 클러스터 전체를 보는 곳이 없습니다.
약 30초·약 31초는 Wave 기능 페이지 기준. Pod 수는 예시입니다.
Wave 도입 후
하나의 계층이 클러스터 전체를 보고 조치합니다.
약 10초는 Autopilot 기능 페이지 기준. Kubernetes 아이콘: Kubernetes 커뮤니티, Apache-2.0.
Wave 설치 경로
이미 쓰는 마켓플레이스에서 Wave를 설치하세요
Amazon EKSAWS Marketplace라이선스 키가 필요 없습니다. 200 vCPU 미만은 무료이고, 그 이상은 AWS 계정으로 청구됩니다.Amazon EKS에서 시작하기 →
Red Hat OpenShiftRed Hat Ecosystem CatalogUBI 기반 이미지를 쓰는 Red Hat 인증 Helm 차트입니다. 200 vCPU 미만은 라이선스 키로 무료입니다.OpenShift에서 시작하기 →
기타 KubernetesAKS, GKE, OKD, Rancher 등GHCR에서 설치하거나, 폐쇄망이면 이미지를 미러링합니다. 200 vCPU 미만은 라이선스 키로 무료입니다.내 클러스터에서 시작하기 →제품
일상적인 워크로드부터 GPU와 AI 인프라까지
소프트웨어
Wave
하나의 콘솔에서 Kubernetes 워크로드를 사이징하고, 스케일링하고, 진단합니다.
소프트웨어
Wave GPU
GPU 하나를 여러 워크로드가 나눠 쓰고, Pod마다 메모리와 우선순위를 정합니다.
서비스
AI Infrastructure Professional Service
엔지니어가 GPU 클러스터, LLM 서빙, Run:ai 플랫폼을 고객 GPU에 설치·구성하고 맞춤 구성합니다.
출시 예정: Wave AI Agent (2026 Q4) · 자세히 보기 →
엔터프라이즈의 과제
지금 우리 클러스터에서 확인할 수 있는 여섯 가지 문제
각 카드는 출처가 있는 숫자로 시작합니다. 카드를 열면 Wave가 무엇을 바꾸는지 볼 수 있습니다.
Wave Diagnosis
Pod가 5분마다 재시작하는데, kubectl get에는 CrashLoopBackOff만 보입니다
영향이 큰 Kubernetes 장애는 해결까지 중앙값 51분이 걸리고, 39%는 1시간 이상 걸립니다.
kubernetes.io, Pod Lifecycle; Komodor, 2025 Enterprise Kubernetes Report
Pod / 컨테이너 장애 →Platform & Observability
/checkout은 어느 Pod가 처리할까요? kubectl 목록 6개를 봐야 압니다
Gateway, HTTPRoute, Service, EndpointSlice, Pod, Node는 각각 따로 된 목록입니다. 엔지니어는 이미 업무 시간의 33%를 장애 대응에 씁니다.
Kubernetes Gateway API와 core API; New Relic, 2025 Observability Forecast
Cluster Map →Wave Karpenter
노드가 뜨는 동안 새 Pod는 31초간 Pending에 머뭅니다
Karpenter는 기본적으로 Pod가 Pending이 된 뒤에야 노드를 띄웁니다. Wave 벤치마크 1회에서 첫 새 Pod는 노드와 이미지를 31초간 기다렸습니다.
Wave 3.1.0 릴리스 글, 벤치마크 1회, 첫 새 Pod
Node Warmup →Wave Autoscale
9시에 로그인이 몰립니다: HPA가 Pod를 10개에서 80개로 늘리는 데 30초 이상 걸립니다
피크가 올 것을 알아도 HPA는 부하가 들어온 뒤에야 움직이고, 15초마다 Pod를 최대 두 배까지만 늘립니다.
kubernetes.io HPA 기본값으로 계산, Pod 10개에서 시작
Autopilot Scheduler →Wave Flow
티켓 판매가 열리자 트래픽이 이전 피크의 4배에 이릅니다
봇과 코드가 없는 팬이 몰려 요청이 35억 건, Ticketmaster의 이전 피크의 4배에 달했습니다.
Ticketmaster, Eras Tour 사전 판매, 2022년 11월
Wave Flow →작동 방식
Wave가 클러스터 안에서 동작하는 방식
위의 다섯 단계는 하나의 동작 방식 위에서 돌아갑니다. Wave는 메트릭과 로그, Kubernetes 상태를 함께 수집하고, 그 위에서 판단하고, 결과를 적용합니다.
1 읽기, 2 결정, 3 변경. 모든 변경은 Kubernetes API를 거칩니다.
구성 요소AutopilotSmart SizingKarpenterFlowDiagnosisAI Agent 포함 NEW
콘솔 데모
설치 전에 콘솔을 먼저 경험해 보세요
사이징 권장 사항, Autopilot 스케일링, K8s 진단을 시뮬레이션 데이터로 브라우저에서 직접 클릭해 보세요.
콘솔 데모 살펴보기 →console.waveautoscale.com
신뢰할 수 있는 주요 파트너
시작하기
3단계로 운영 환경까지
EKS, GKE, AKS, OpenShift, 자체 운영 Kubernetes 1.26+ 환경에서 동작합니다.
2
Helm으로 설치
키와 스토리지 클래스가 담긴 values 파일 하나, helm install 한 줄. 에어갭(폐쇄망) 클러스터도 지원합니다.
$ 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
3
콘솔 접속
포트 포워딩 후 로그인하면 Wave가 워크로드를 자동으로 탐색합니다. Autopilot은 처음에 관찰 전용 모드로 실행할 수 있습니다.
$ kubectl port-forward -n wave-autoscale \ svc/wave-autoscale-svc 3025:3025# open http://localhost:3025
기본 로그인 · admin / waveautoscale
FAQ
자주 묻는 질문에 대한 명확한 답변
이미 HPA를 사용하고 있는데, 왜 필요한가요?
HPA는 자원 사용량이 임계치를 넘는지만 볼 뿐, 실제 워크로드 성능은 보지 않습니다. Wave Autopilot은 ML 기반 워크로드 성능 모델링으로 약 10초 안에 스케일링을 결정합니다. HPA보다 약 2배 빠르고, 임계치 튜닝이 필요 없습니다.
KEDA와 같은 것이 아닌가요?
아닙니다. KEDA는 이벤트 기반 워크로드(Kafka, 큐)에 특화되어 있어 목적이 다릅니다. KEDA는 HPA·Wave Autopilot과 보완 관계이지 대체재가 아닙니다. Wave Autopilot은 장기 실행 서비스를 워크로드 성능에 따라 스케일링하는 별개의 문제를 해결합니다.
리소스 사이징 측면에서 VPA와 어떻게 다른가요?
VPA는 CPU 백분위 통계만 사용하기 때문에 고정된 CPU 할당이 산발적 요청 급증에 대응하지 못합니다. Wave Smart Sizing은 CPU 백분위와 실시간 워크로드 수요를 함께 반영해 최적 성공률을 유지합니다(예: 버스트 상황에서 1.5코어 대신 2.0코어 할당).
Wave Flow가 Istio를 대체하나요?
아닙니다. Wave Flow는 Istio 위에서 동작하며 우선순위 셰이핑, 가상 대기실, Envoy 필터·컨트롤 플레인 확장을 통한 가시성을 추가합니다. 기존 Istio 메시는 그대로 유지되며, Wave Flow는 모든 요청을 동일하게 처리하지 않고 과부하 상황에서도 부드럽게 동작하도록 만듭니다.
이미 Karpenter를 쓰는데, Wave Karpenter는 무엇을 더해주나요?
세 가지입니다. Karpenter Dashboard는 Wave Console에서 NodePool마다 노드, 시간당 비용, Spot 비율, thrashing을 보여 줍니다. Node Warmup은 다음 Pod가 필요로 하기 전에 노드를 띄웁니다. Wave 벤치마크 1회에서 첫 새 Pod는 31초가 아니라 3초 만에 준비됐습니다. Spot Workload Placement는 레플리카 번호에 따라 임계값까지의 Pod는 On-Demand에, 나머지는 Spot에 두며, YAML은 바꾸지 않습니다.
Grafana를 이미 쓰고 있는데, Wave Diagnosis는 왜 필요한가요?
Grafana는 지표를 보여주지만 무엇이 문제인지는 직접 추측해야 합니다. 임계치 알림은 천천히 진행되는 문제를 인시던트가 되기 전까지 놓치곤 합니다. Wave Diagnosis는 5가지 ML 진단(7~60일 클러스터 자원 예측, 메모리 누수 탐지, CPU 사용 분석, 파드 스케줄링 지연 탐지, 유휴 노드 탐지)을 제공해 사후 대응에서 사전 대응으로 전환할 수 있게 합니다.
에어갭/온프레미스 환경에서 동작하나요?
네. Wave는 외부 의존성 없이 클러스터 안에서만 동작합니다. 프라이빗 컨테이너 레지스트리를 포함한 에어갭 환경을 완전히 지원합니다. AWS EKS Service Ready Partner이자 Red Hat Certified Partner이며, 베어메탈 Kubernetes에서도 동작합니다.
Kubernetes를 제대로 운영할 준비가 되셨나요?
여러분의 클러스터에 대한 무료 Smart Sizing Report로 시작하세요. 신용카드 없이, 화이트글러브 온보딩이 포함됩니다.