11月9日讯：在 Kubecon + CloudNativeCon 大会上，CAST AI 添加了一个自动工作负载调整工具，以确保 Kubernetes 工作负载的高效调整和管理，从而降低成本，以及一个 PrecisionPack 调度器，该调度器利用 bin-packing 算法来确保 pod 在特定节点上运行。
CAST AI 首席产品官 Laurent Gil 表示，这两种产品都可以与该公司提供的 Autoscaler、Spot 实例管理和成本报告套件一起单独使用，这些工具采用机器学习算法和规则来优化 IT 基础设施的管理。
Gil 表示，CAST AI 刚刚筹集了 3500 万美元的额外资金，现在正在扩大其影响力，以优化 IT 团队发现难以经济高效地大规模管理的 Kubernetes 环境。
尽管 Kubernetes 集群旨在根据需要以编程方式扩展和缩减 IT 基础设施资源，但开发人员倾向于定期请求最大数量的可用基础设施资源，以确保应用程序的可用性。在其他情况下，他们指定默认设置仅仅是因为 IT 基础架构的成本对他们来说在很大程度上是不透明的。
Gil 说，CAST AI 提供的自动工作负载调整工具会监控几天的实际资源消耗，然后使用这些指标自动调整云原生应用程序的大小。他补充说，这种能力使IT团队可以将这些资源重新分配给其他应用程序。
同时，PrecisionPack 调度器允许将 Pod 分配给特定应用程序，从而确保更高级别的可用性。
随着部署在生产环境中的 Kubernetes 集群数量持续稳步增加，成本优化开始受到更多关注。Gil 指出，在不确定的经济环境中，IT 团队面临着控制成本的巨大压力。
许多组织还将平台工程作为一种大规模管理 DevOps 工作流的方法，作为降低应用程序开发和部署总成本的努力的一部分。
当然，挑战在于，Kubernetes 是最近内存中最强大、最复杂的 IT 平台，可以进入企业 IT 环境。优化 Kubernetes 环境所需的专业知识水平仍然很难找到和保留。缩小这一差距的唯一方法是为 IT 团队提供自动化流程的工具，否则这些流程将需要他们不断监控各个 Kubernetes Pod 和节点。
可以说，如果平台更易于管理，Kubernetes 的采用率会更高。Kubernetes 本身是由软件工程师为其他软件工程师设计的。尽管 DevOps 兴起以编程方式管理 IT 环境，但大多数 IT 团队仍然由编程专业知识有限的管理员组成。
然而，无论如何，在IT管理员可以掌握的更高抽象级别上管理Kubernetes集群将变得更加容易。现在的问题是，随着需要 Kubernetes 集群的云原生应用程序数量继续稳步增加，这可能需要多长时间。
