ワークロード固有の最適化

対応バージョン: EKS 1.29+, EKS Auto Mode GA 最終更新: February 19, 2026

このガイドでは、web services、batch processing、GPU workloads、AI/ML training など、さまざまなワークロードタイプに合わせて EKS Auto Mode configurations を最適化する方法を説明します。

Web Services（可用性優先）

yaml

# web-service-optimized.yaml
apiVersion: karpenter.sh/v1
kind: NodePool
metadata:
  name: web-tier
spec:
  template:
    metadata:
      labels:
        tier: web
    spec:
      requirements:
        # General-purpose instances
        - key: karpenter.k8s.aws/instance-category
          operator: In
          values: ["m"]
        - key: karpenter.k8s.aws/instance-size
          operator: In
          values: ["large", "xlarge", "2xlarge"]
        # Use only On-Demand (availability first)
        - key: karpenter.sh/capacity-type
          operator: In
          values: ["on-demand"]
      taints:
        - key: tier
          value: web
          effect: NoSchedule
      nodeClassRef:
        group: eks.amazonaws.com
        kind: NodeClass
        name: default
  disruption:
    consolidationPolicy: WhenEmptyOrUnderutilized
    consolidateAfter: 5m
    budgets:
      - nodes: "10%"
---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: web-frontend
spec:
  replicas: 10
  selector:
    matchLabels:
      app: web-frontend
  template:
    metadata:
      labels:
        app: web-frontend
    spec:
      tolerations:
        - key: tier
          value: web
          effect: NoSchedule
      nodeSelector:
        tier: web
      affinity:
        podAntiAffinity:
          preferredDuringSchedulingIgnoredDuringExecution:
            - weight: 100
              podAffinityTerm:
                labelSelector:
                  matchLabels:
                    app: web-frontend
                topologyKey: kubernetes.io/hostname
      containers:
        - name: web
          image: my-web-app:latest
          resources:
            requests:
              cpu: 500m
              memory: 512Mi
            limits:
              cpu: 1000m
              memory: 1Gi
          readinessProbe:
            httpGet:
              path: /health
              port: 8080
            initialDelaySeconds: 5
            periodSeconds: 10
          livenessProbe:
            httpGet:
              path: /health
              port: 8080
            initialDelaySeconds: 15
            periodSeconds: 20

Web Services 最適化サマリー

観点	推奨事項	理由
Capacity type	On-Demand	高可用性の要件
Instance family	M-series（general purpose）	CPU/メモリのバランス
Anti-affinity	ホスト名ごと	nodes 全体に分散
Health checks	readiness と liveness の両方	障害をすばやく検出
PDB	minAvailable: N-1	更新中も service を維持

Batch Processing（コスト優先、Spot）

yaml

# batch-processing-optimized.yaml
apiVersion: karpenter.sh/v1
kind: NodePool
metadata:
  name: batch-tier
spec:
  template:
    metadata:
      labels:
        tier: batch
    spec:
      requirements:
        # Compute-optimized
        - key: karpenter.k8s.aws/instance-category
          operator: In
          values: ["c"]
        - key: karpenter.k8s.aws/instance-size
          operator: In
          values: ["xlarge", "2xlarge", "4xlarge"]
        # Use only Spot (cost first)
        - key: karpenter.sh/capacity-type
          operator: In
          values: ["spot"]
        # Various instance types for better Spot availability
        - key: karpenter.k8s.aws/instance-generation
          operator: In
          values: ["5", "6", "7"]
      taints:
        - key: tier
          value: batch
          effect: NoSchedule
      nodeClassRef:
        group: eks.amazonaws.com
        kind: NodeClass
        name: default
  disruption:
    consolidationPolicy: WhenEmpty
    consolidateAfter: 30s
---
apiVersion: batch/v1
kind: Job
metadata:
  name: data-processing
spec:
  parallelism: 20
  completions: 100
  backoffLimit: 10
  template:
    spec:
      tolerations:
        - key: tier
          value: batch
          effect: NoSchedule
      nodeSelector:
        tier: batch
      restartPolicy: OnFailure
      terminationGracePeriodSeconds: 30
      containers:
        - name: processor
          image: my-batch-processor:latest
          resources:
            requests:
              cpu: 2000m
              memory: 4Gi
            limits:
              cpu: 4000m
              memory: 8Gi
          env:
            - name: SPOT_AWARE
              value: "true"

Batch Processing 最適化サマリー

観点	推奨事項	理由
Capacity type	Spot のみ	最大限のコスト削減
Instance family	C-series（compute optimized）	CPU 集約型ワークロード
Instance diversity	複数世代	Spot の可用性を向上
Restart policy	OnFailure	Spot interrupts に対応
Consolidation	積極的（30s）	jobs 後のすばやいクリーンアップ

GPU Workloads（p5、g5）

yaml

# gpu-workload-optimized.yaml
apiVersion: karpenter.sh/v1
kind: NodePool
metadata:
  name: gpu-tier
spec:
  template:
    metadata:
      labels:
        tier: gpu
        accelerator: nvidia
    spec:
      requirements:
        # GPU instances
        - key: karpenter.k8s.aws/instance-category
          operator: In
          values: ["g", "p"]
        - key: karpenter.k8s.aws/instance-gpu-manufacturer
          operator: In
          values: ["nvidia"]
        # Specific GPU instance types
        - key: node.kubernetes.io/instance-type
          operator: In
          values: ["g5.xlarge", "g5.2xlarge", "g5.4xlarge", "p5.48xlarge"]
        # On-Demand (GPU Spot availability is low)
        - key: karpenter.sh/capacity-type
          operator: In
          values: ["on-demand"]
      taints:
        - key: nvidia.com/gpu
          value: "true"
          effect: NoSchedule
      nodeClassRef:
        group: eks.amazonaws.com
        kind: NodeClass
        name: gpu-nodeclass
  limits:
    nvidia.com/gpu: 16
  disruption:
    consolidationPolicy: WhenEmpty
    consolidateAfter: 10m  # GPU takes longer to start
---
apiVersion: eks.amazonaws.com/v1
kind: NodeClass
metadata:
  name: gpu-nodeclass
spec:
  amiFamily: AL2023
  blockDeviceMappings:
    - deviceName: /dev/xvda
      ebs:
        volumeSize: 200Gi  # Large volume for model caching
        volumeType: gp3
        iops: 6000
        throughput: 250
---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: ml-inference
spec:
  replicas: 2
  selector:
    matchLabels:
      app: ml-inference
  template:
    metadata:
      labels:
        app: ml-inference
    spec:
      tolerations:
        - key: nvidia.com/gpu
          value: "true"
          effect: NoSchedule
      nodeSelector:
        tier: gpu
      containers:
        - name: inference
          image: my-ml-model:latest
          resources:
            limits:
              nvidia.com/gpu: 1
            requests:
              cpu: 4000m
              memory: 16Gi

GPU Instance 選択ガイド

Instance	GPUs	GPU Memory	Use Case
g5.xlarge	1x A10G	24GB	小規模 inference
g5.2xlarge	1x A10G	24GB	中規模 inference
g5.4xlarge	1x A10G	24GB	大規模 inference
g5.12xlarge	4x A10G	96GB	マルチモデル serving
p5.48xlarge	8x H100	640GB	大規模 training

GPU 最適化サマリー

観点	推奨事項	理由
Capacity type	On-Demand	GPU Spot の可用性は限定的
Storage	200GB+ gp3	モデル caching、checkpoints
Consolidation	緩やか（10m）	GPU startup は遅い
Limits	nvidia.com/gpu limit を設定	GPU コストの runaway を防止

AI/ML Training Workloads

yaml

# ml-training-optimized.yaml
apiVersion: karpenter.sh/v1
kind: NodePool
metadata:
  name: ml-training
spec:
  template:
    metadata:
      labels:
        tier: ml-training
    spec:
      requirements:
        # Large-scale GPU instances
        - key: node.kubernetes.io/instance-type
          operator: In
          values: ["p5.48xlarge", "p4d.24xlarge"]
        - key: karpenter.sh/capacity-type
          operator: In
          values: ["on-demand"]
      taints:
        - key: ml-training
          value: "true"
          effect: NoSchedule
      nodeClassRef:
        group: eks.amazonaws.com
        kind: NodeClass
        name: ml-training-nodeclass
  limits:
    nvidia.com/gpu: 64
---
apiVersion: eks.amazonaws.com/v1
kind: NodeClass
metadata:
  name: ml-training-nodeclass
spec:
  amiFamily: AL2023
  # Enable EFA networking
  blockDeviceMappings:
    - deviceName: /dev/xvda
      ebs:
        volumeSize: 500Gi
        volumeType: gp3
        iops: 16000
        throughput: 1000
    # Additional volume for training data
    - deviceName: /dev/xvdb
      ebs:
        volumeSize: 2000Gi
        volumeType: gp3
---
apiVersion: kubeflow.org/v1
kind: PyTorchJob
metadata:
  name: distributed-training
spec:
  pytorchReplicaSpecs:
    Master:
      replicas: 1
      template:
        spec:
          tolerations:
            - key: ml-training
              value: "true"
              effect: NoSchedule
          nodeSelector:
            tier: ml-training
          containers:
            - name: pytorch
              image: my-training-image:latest
              resources:
                limits:
                  nvidia.com/gpu: 8
    Worker:
      replicas: 3
      template:
        spec:
          tolerations:
            - key: ml-training
              value: "true"
              effect: NoSchedule
          nodeSelector:
            tier: ml-training
          containers:
            - name: pytorch
              image: my-training-image:latest
              resources:
                limits:
                  nvidia.com/gpu: 8

ML Training 最適化サマリー

観点	推奨事項	理由
Instance type	p5.48xlarge、p4d.24xlarge	最大 GPU capacity
Storage	500GB+ root、2TB+ data	大規模 datasets、checkpoints
IOPS	16000+	checkpoint writes を高速化
Networking	EFA-enabled	distributed training
Framework	PyTorchJob、TFJob	native distributed support

ワークロードタイプ早見表

ワークロード	NodePool Strategy	Instance Types	Capacity	Consolidation
Web services	Availability-first	m-series	On-Demand	中程度（5m）
API backend	Mixed	m/c-series	Mixed	中程度（5m）
Batch processing	Cost-first	c-series	Spot only	積極的（30s）
CI/CD	Cost-first	c/m-series	Spot preferred	積極的（1m）
Databases	Stability-first	r-series	On-Demand	保守的（10m）
GPU inference	Availability-first	g5-series	On-Demand	緩やか（10m）
ML training	Performance-first	p5/p4d	On-Demand	緩やか（15m）
Stream processing	Balanced	m/c-series	Mixed	中程度（5m）

Pod Resource ガイドライン

CPU-Bound ワークロード

yaml

resources:
  requests:
    cpu: 2000m      # Request what you need
    memory: 2Gi
  limits:
    cpu: 4000m      # Allow some burst
    memory: 4Gi

Memory-Bound ワークロード

yaml

resources:
  requests:
    cpu: 500m
    memory: 8Gi     # Request what you need
  limits:
    cpu: 1000m
    memory: 8Gi     # Limit = request (no overcommit)

GPU Workloads

yaml

resources:
  requests:
    cpu: 4000m
    memory: 16Gi
  limits:
    nvidia.com/gpu: 1   # GPU limits are always required
    cpu: 8000m
    memory: 32Gi

< 前へ: Node Lifecycle | 目次 | 次へ: Migration Guide >

エンドツーエンドのオブザーバビリティラボ

ArgoCD の詳細クイズ

Istio の詳細クイズ

Linkerd の詳細クイズ

Cilium サービスメッシュの詳細クイズ

Cilium 詳説

Calico 詳説

メトリクス

ログ記録

トレーシング

アラート通知

可観測性の演習

ArgoCD

トラフィック管理

セキュリティ

可観測性

レジリエンス

高度な設定

比較ガイド

メトリクス

ログ記録

トレーシング

アラート通知

ワークロード固有の最適化 ​

Web Services（可用性優先） ​

Web Services 最適化サマリー ​

Batch Processing（コスト優先、Spot） ​

Batch Processing 最適化サマリー ​

GPU Workloads（p5、g5） ​

GPU Instance 選択ガイド ​

GPU 最適化サマリー ​

AI/ML Training Workloads ​

ML Training 最適化サマリー ​

ワークロードタイプ早見表 ​

Pod Resource ガイドライン ​

CPU-Bound ワークロード ​

Memory-Bound ワークロード ​

GPU Workloads ​

ワークロード固有の最適化

Web Services（可用性優先）

Web Services 最適化サマリー

Batch Processing（コスト優先、Spot）

Batch Processing 最適化サマリー

GPU Workloads（p5、g5）

GPU Instance 選択ガイド

GPU 最適化サマリー

AI/ML Training Workloads

ML Training 最適化サマリー

ワークロードタイプ早見表

Pod Resource ガイドライン

CPU-Bound ワークロード

Memory-Bound ワークロード

GPU Workloads