この記事では、Azure Container Instances 上の Big Containers の機能と利点について説明します。 お客様は、標準コンテナー、機密コンテナー、仮想ネットワークを使用するコンテナー、および仮想ノードを使用して AKS に接続するコンテナーに対して、より高い vCPU とメモリを持つワークロードをデプロイできるようになりました。 このセットアップでは、4 より大きい vCPU 数と 16 GB のメモリ容量がサポートされ、標準コンテナー グループあたり最大 31 vCPU と 240 GB、機密コンテナー グループあたり 31 vCPU と 180 GB がサポートされます。 この機能により、コンピューティングとメモリを集中的に使用するワークロードの制限が削除されます。
ビッグ コンテナーの利点
パフォーマンスの向上
vCPU が多いほど処理能力が向上し、複雑なタスクやアプリケーションをより効率的に処理できます。 より多くの vCPU と GB 容量からパフォーマンスが向上すると、処理時間が短縮され、待機時間が短縮され、時間と生産性の面でコスト削減につながる可能性があります。
メモリ容量の増加
より多くの GB を持つ大規模なコンテナー グループは、より大きなデータセットとより広範なワークロードを処理できるため、データを集中的に使用するアプリケーションに最適です。
簡素化されたスケーラビリティ
コンテナー グループが大きいほど、必要に応じてリソースをさらにスケールアップできる柔軟性が提供され、パフォーマンスを損なうことなく、増大するビジネス需要に対応できます。 コンテナー SKU を大きくすると、スケーリング プロセスを簡略化できます。 多数の小さなコンテナーを管理する代わりに、より少ない大きなコンテナーでアプリケーションをスケーリングできるため、頻繁なスケーリング調整の必要性が減る可能性があります。
ビッグ コンテナーのシナリオ
これらは、ビッグ コンテナーのメリットを得られるいくつかのシナリオです。
データ推論
大規模なコンテナー SKU は、堅牢な計算能力を必要とするデータ推論タスクに最適です。 たとえば、金融取引でのリアルタイムの不正検出、製造における予測メンテナンス、eコマースでのパーソナライズされたレコメンデーション エンジンなどがあります。 これらのコンテナーは、正確な予測と分析情報を得るための大規模なデータセットの効率的で安全な処理を保証します。
Collaborative Analytics
複数の関係者がデータを共有して分析する必要がある場合、より大きなコンテナー SKU により、セキュリティで保護された効率的なソリューションが提供されます。 たとえば、医療業界の企業は、機密性を維持しながら患者データ分析で共同作業を行うことができます。 同様に、研究機関は、データのプライバシーを損なうことなく、科学的研究のために大規模なデータセットを共有できます。
ビッグ データ処理
大規模なデータ処理を扱う組織は、より大きなコンテナー SKU の容量を増やしてメリットを得ることができます。 たとえば、対象となるマーケティング キャンペーンの顧客データの処理、感情分析のためのソーシャル メディアの傾向の分析、リスク評価のための大規模な財務モデリングの実施などがあります。 これらのコンテナーにより、広範なワークロードの効率的な処理が保証されます。
ハイ パフォーマンス コンピューティング
気候モデリング、ゲノム研究、計算流体力学などのハイパフォーマンス コンピューティング アプリケーションには、相当な計算能力が必要です。 コンテナー SKU が大きいほど、これらの集中的なタスクをサポートするために必要なリソースが提供され、正確なシミュレーションと高速な結果が可能になります。
次のステップ
Big Containers の使用を開始するには、次の手順に従います。
- 4 vCPU と 16 GB を超えるコンテナーを実行する予定の場合は、 Azure サポート要求 を送信する必要があります ( サポートの種類として [クォータ] を選択します)。
- クォータが割り当てられたら、Azure portal、Azure CLI、PowerShell、ARM テンプレート、または Azure 内のコンテナー グループに接続できるその他のメディアを使用してコンテナー グループをデプロイできます。
Azure Container Instances の詳細については、Microsoft Learnの「Azure のサーバーレス コンテナー - Azure Container Instances」を参照してください。