Kubernetes Blog

エージェント型AIワークロードによるメモリ負荷を軽減するため、スワップを有効化したノードでKubernetesワークロードをスケーリングする方法を解説している

• •メモリはCPUよりも先に枯渇しがちで、エージェント型AIワークロードは起動時に大きなメモリフットプリントを要求する
• •アイドル状態でもメモリを占有し続けるため、ノードが保持できるポッド数が制限される
• •スワップを有効化したノードで実行するKubernetesのサポートが一般利用可能（GA）になった

Kubernetesの採用拡大に伴い、コンテナ実行から複雑なアプリケーションライフサイクル管理への焦点が移り、SIG Appsの重要性が強調されている

• •モダンなプラットフォームはステートレスなWebサービス、ステートフルなデータベース、バッチ処理、AIワークロードなどをサポートする
• •アップグレード、スケーリングイベント、インフラ障害時に信頼性を維持する必要がある
• •ユーザーが意識しているかどうかに関わらず、すべてのKubernetesユーザーはSIG Appsに依存している

Kubernetes v1.37において、ワークロード対応スケジューリング（WAS）の主要機能がBeta版に昇格し、AI/MLワークロードの基盤が強化された

• •gang schedulingを可能にするWorkloadとPodGroup APIがBeta版に昇格した
• •ワークロード対応プリエンプション（WAP）がBeta版として提供されるようになった
• •PodGroup向けの共有DRA ResourceClaims機能もBeta版に到達した