Die Nutzung von Containern nimmt weiter zu, zu, zu. Die Adoptionskurve von Containern könnte die von virtuellen Maschinen (VMs) laut einigen Analysten sogar irgendwann übertreffen. Eine rasant wachsende Beliebtheit bringt jedoch häufig weitere Probleme ans Licht. Eines der großen Probleme bei Containern besteht darin, wie sie effektiver verwaltet werden können.
Orchestrierungstools für Container wie Kubernetes haben die Verwaltung von Containern vereinfacht und ihre Effizienz gesteigert. Sie automatisieren unter anderem die Entscheidung, welcher Server welchen Container hostet, das Starten und Gruppieren von Containern, die Bereitstellung von Updates, Tests sowie das Hinzufügen und Verwalten von Sicherheits-, Speicher- und Netzwerkdiensten für Anwendungen.
Hier sind einige der wichtigsten Trends auf dem Markt für Container-Management:
Einsatz künstlicher Intelligenz
Das verbesserte Container-Management dank Kubernetes wird in KI-Anwendungen genutzt, um Wachstum voranzutreiben. Infolgedessen wird für den globalen Enterprise-KI-Markt bis 2026 eine durchschnittliche jährliche Wachstumsrate (CAGR) von 39,7 % auf 309,6 Milliarden US-Dollar erwartet.
„Neue Workloads wie KI erfordern riesige Datensätze, einen hohen Grad an Parallelisierung sowie leistungsfähige Rechen- und Speicherressourcen“, sagte Morgan Littlewood, Senior Vice President of Product Management bei iXsystems.
„KubeVirt ermöglicht die Integration von VMs mit der Container Storage Interface (CSI) CSI, und traditionelle Virtualisierungsansätze wie vSphere und OpenStack werden in den Status klassischer Technologien übergehen.“
KubeVirt bietet Entwicklungsteams eine weitere Möglichkeit, Kubernetes einzuführen und stärker davon zu profitieren. Da sich einige bestehende VM-Workloads nur schwer containerisieren lassen, stellt es eine einheitliche Entwicklungsplattform für Container und VMs bereit. Das Ergebnis ist eine bessere Möglichkeit, VM-Workloads zu containerisieren, sowie optimierte Entwicklungsabläufe und eine einfachere Verwaltung von VMs, die möglicherweise nie containerisiert werden.
MLOps
Über die KI hinaus wirkt sich das Container-Management auf die sich entwickelnden Bereiche MLOps und AIOps aus (die häufig synonym verwendet werden). MLOps ist eine Kurzform für Machine Learning Operations. Der Bereich entwickelt sich rasch zu einem wichtigen Bestandteil des ML-Engineerings, da er dazu beiträgt, ML-Modelle effizienter bis zur Produktionsreife zu führen. Doch damit nicht genug. MLOps umfasst auch die Wartung und Überwachung von Machine-Learning-Modellen, indem die Zusammenarbeit zwischen IT, Datenwissenschaftlern und DevOps verbessert wird.
Das verbesserte Container-Management hat somit maßgeblich zum Fortschritt im MLOps-Sektor beigetragen. Das Zusammenspiel funktioniert jedoch in beide Richtungen. MLOps hat dem Container-Management eine neue Dimension hinzugefügt.
„Da die Containerisierung entscheidend ist, wird Kubernetes cloudnative MLOps dabei unterstützen, sich in ausgereiftere Technologien zu integrieren“, sagte Bin Fan, Vice President of Open Source und Founding Engineer bei Alluxio.
„Um mit diesem Trend Schritt zu halten, können Unternehmen ihre KI-Workloads in flexibleren Cloud-Umgebungen in Verbindung mit Kubernetes betreiben.“
MLOps ermöglicht es der IT, Herausforderungen bei der Anwendungsleistung zu bewältigen, ohne tagelang herausfinden zu müssen, welche Prozessor-, Arbeitsspeicher-, Speicher-, Netzwerk- oder IOPS-Ressourcen dafür verantwortlich sind. Sein Wert ergibt sich daraus, dass die Dimensionen moderner Computing-Umgebungen so groß sind, dass sich Probleme nicht mehr allein durch menschliche Interaktion und manuelle Arbeit lösen lassen. Automatisierung ist erforderlich; wird sie durch KI oder ML unterstützt, lassen sich große Datenmengen wesentlich einfacher und schneller in einen Kontext einordnen und Schlussfolgerungen in sehr kurzen Zeiträumen verfeinern. Das schafft Mehrwert bei der Ereigniskorrelation, Ereignisanalyse, Anomalieerkennung, Ursachenanalyse, Verarbeitung natürlicher Sprache, Automatisierung und Diagnose. Wie? Es können schnell Muster erkannt werden, mit denen sich Vorfälle vorhersagen, sich entwickelndes Verhalten erkennen, die Ursache von Verzögerungen ermitteln und Automatisierung vorantreiben lassen.
Verbessertes Speichermanagement
Ein wichtiger Trend beim Container-Management besteht darin, dass es das Speichermanagement erweitert und Veränderungen im Bereich der Speicherverwaltung bewirkt. Cloud-Kolocation entwickelt sich zunehmend in Richtung hybrider Cloud-Designs, um großflächige Cloud-Ausfälle zu vermeiden, indem auf hybride Cloud- und On-Premises-Lösungen gesetzt wird.
„Die Nutzung von Containern mit disaggregierten Ressourcen wird weiter zunehmen und die Grenze zwischen Speicher und physischer Hardware verwischen“, sagte John Scaramuzzo, CRO von Nyriad.
„Block-, Datei- und Objektspeicher werden sich allesamt auf gemeinsamer Hardware befinden, und Hybrid Storage as a Service wird weiter wachsen, wobei ein virtualisiertes Nutzungsmodell zwischen Cloud- und On-Premises-Speicher zum Einsatz kommt.“
Bessere Skalierung
Frühe Container-Bereitstellungen ließen sich nicht immer gut skalieren. Kubernetes und andere Funktionen für das Container-Management haben diese Herausforderung bewältigt. Red Hat OpenShift bietet beispielsweise eine automatische Skalierung, ohne dass die Anzahl der Replikate konfiguriert oder ein Leerlaufbetrieb eingerichtet werden muss. Bei Nichtgebrauch kann auf null skaliert werden, während zu Spitzenzeiten eine automatische Skalierung auf Tausende möglich ist – mit integrierter Zuverlässigkeit und Fehlertoleranz, so Naina Singh, Principal Product Manager bei Red Hat.
Auch andere Plattformen stellen sich der Herausforderung der Skalierung mit Weiterentwicklungen im Container-Management. IBM Turbonomic beispielsweise erweitert die Verwaltungsfunktionen, um die Anwendungsleistung zu steigern, Cloud-Ausgaben zu optimieren und die Skalierung von Anwendungen in containerisierten Umgebungen zu verbessern.