A melhor coisa e a melhor característica do Cast AI é o belo mapeamento de

1. escalonamento de nós

2. escalonamento horizontal

3. fornece uma visualização somente leitura para que os LLMs possam aprender e otimizar a estratégia em vez de apenas implementar diretamente em nosso ambiente e aprender estratégias de zero tempo de inatividade.

4. O suporte ao cliente deles é muito bom. Para problemas P0, Chandani do castAI está disponível prontamente.

5. Podemos implementar o castAI apenas fornecendo as permissões IAM necessárias e instalando facilmente o castAI em nosso ambiente EKS em 30 minutos.

6. Nosso custo de infraestrutura foi reduzido em 30% usando o castAI por apenas 40-50 dias. Análise coletada por e hospedada no G2.com.

Não há nada para não gostar, mas pode haver uma melhoria.

Podemos ter um mapeamento correto se estivermos usando nginx-ingress, pois temos que mapear grupos de destino do nginx ingress no console do castAI. Análise coletada por e hospedada no G2.com.

O que eu mais gosto na Cast AI é como ela combina de forma eficaz a otimização de custos com a simplicidade operacional. Ela analisa continuamente nossas cargas de trabalho em Kubernetes e ajusta automaticamente o tamanho dos nós, escala clusters e utiliza instâncias spot sem exigir ajustes manuais constantes da nossa equipe de DevOps. A visibilidade sobre a utilização de recursos e as economias é clara e acionável, o que facilita a justificativa das decisões de infraestrutura internamente. Além das economias de custo, o verdadeiro valor está no tempo economizado e na confiança de que o cluster está sempre funcionando em um estado otimizado sem intervenção diária. Análise coletada por e hospedada no G2.com.

Uma desvantagem é que alguns dos recursos mais avançados de configuração e otimização exigem um entendimento mais profundo de Kubernetes e infraestrutura de nuvem para serem totalmente aproveitados. Enquanto o básico é fácil de configurar, ajustar políticas e entender o impacto de certas decisões de automação pode levar tempo. Além disso, capacidades mais granulares de relatórios de custos e previsão seriam úteis para organizações que precisam de detalhamentos financeiros detalhados entre equipes ou projetos. Análise coletada por e hospedada no G2.com.

Sua capacidade de otimizar automaticamente os custos do Kubernetes sem sacrificar o desempenho se destaca. A automação em torno do dimensionamento correto da carga de trabalho e da escalabilidade inteligente economiza uma quantidade significativa de tempo e reduz muito o esforço manual. Também aprecio a visibilidade clara do desempenho do cluster e das métricas de custo, o que facilita a tomada de decisões informadas e o controle do uso. No geral, a plataforma é fácil de usar, integra-se suavemente com os ambientes de nuvem existentes e oferece economias de custo mensuráveis rapidamente. A configuração foi orientada pela equipe de suporte e estamos usando frequentemente isso para criar grupos de nós, etc. Análise coletada por e hospedada no G2.com.

Uma desvantagem do Cast AI é que a configuração inicial e o ajuste fino podem levar algum tempo, especialmente em ambientes Kubernetes mais complexos. Embora a automação seja poderosa, pode demorar um pouco para entender e configurar totalmente todos os recursos de otimização, e pode haver uma curva de aprendizado para equipes que são novas na gestão de custos do Kubernetes. Além disso, ter opções de personalização mais profundas e relatórios mais detalhados em certas áreas tornaria a plataforma ainda mais forte no geral. Análise coletada por e hospedada no G2.com.

Isso nos ajuda a otimizar nossos clusters K8 e reduzir custos. A interface do usuário é ótima e mostra claramente quanto economizamos até agora, assim como o que ainda pode ser melhorado dentro do nosso cluster. O otimizador de carga de trabalho também é um recurso realmente útil. Análise coletada por e hospedada no G2.com.

É difícil encontrar registros para certas coisas, e também é difícil entender por que algo não está funcionando quando surge um problema. Por exemplo, recentemente meu reequilíbrio agendado não estava funcionando corretamente, e até a equipe de suporte não conseguiu descobrir o motivo a princípio. Depois de muita investigação, descobrimos que era porque uma máquina estava presa em um estado estranho após um reequilíbrio anterior. Não foi fácil rastrear o que causou isso, e parecia que o suporte também não conseguiu identificar o problema imediatamente. Análise coletada por e hospedada no G2.com.

O Cast AI automatiza a orquestração de nós e o dimensionamento correto, usando empacotamento avançado para garantir alta densidade de cluster e desempenho. Ele gerencia efetivamente os ciclos de vida das instâncias spot com fallback automatizado, reduzindo significativamente a sobrecarga de computação e o ajuste manual da infraestrutura. Análise coletada por e hospedada no G2.com.

A configuração inicial das permissões do IAM e dos trilhos de automação requer uma fase de configuração cuidadosa antes de entregar totalmente o controle da infraestrutura. Análise coletada por e hospedada no G2.com.

o que eu mais gosto no cast ai é como ele transforma a otimização de custos do kubernetes de uma tarefa manual e reativa em um sistema automatizado e inteligente.

em vez de depender de grupos de nós estáticos ou lógica básica de escalonamento automático de clusters, o cast ai analisa continuamente as solicitações de recursos dos pods, a utilização real, a eficiência de empacotamento e os preços em tempo real de instâncias spot e sob demanda. com base nesses dados, ele seleciona dinamicamente os tipos de instância mais econômicos sem intervenção manual.

algumas coisas que se destacam:

escalonamento automático consciente da carga de trabalho que otimiza a seleção do tipo de instância, não apenas a contagem de nós

forte otimização de instâncias spot com controles de estabilidade para cargas de trabalho de produção

visibilidade clara sobre superprovisionamento e ineficiências

redução da sobrecarga operacional em comparação com o ajuste manual de grupos de nós

na minha experiência usando-o em um ambiente de produção de kubernetes, o maior valor é a otimização contínua sem comprometer a confiabilidade. parece menos um painel de monitoramento e mais uma camada de controle ativa para a eficiência de custos da infraestrutura. Análise coletada por e hospedada no G2.com.

enquanto o cast ai oferece forte automação e otimização de custos, há uma curva de aprendizado para entender e confiar plenamente em sua tomada de decisão automatizada, especialmente para equipes acostumadas a gerenciar infraestrutura em um nível muito granular. em alguns casos, ter uma visibilidade mais profunda sobre o raciocínio exato por trás da seleção de instâncias ou decisões de substituição de nós aumentaria ainda mais a confiança durante auditorias ou revisões de incidentes. no entanto, isso é mais sobre melhorar a transparência e a familiaridade do que limitações na capacidade, e com a configuração e governança adequadas do kubernetes, a plataforma funciona de forma confiável e eficiente. Análise coletada por e hospedada no G2.com.

Em vez de as equipes passarem horas ajustando o tamanho dos nós, ajustando os escaladores automáticos ou adivinhando tipos de instância, a Cast AI analisa continuamente os requisitos de carga de trabalho e automaticamente:

Seleciona os tipos de instância mais econômicos

Otimize o escalonamento automático de clusters em tempo real

Usa instâncias spot de forma inteligente para reduzir custos

Elimina o superdimensionamento sem impactar o desempenho Análise coletada por e hospedada no G2.com.

Dependência de fornecedor: Confiar na automação para tomar decisões sobre a infraestrutura central aumenta nossa dependência operacional de um terceiro. Análise coletada por e hospedada no G2.com.

A Cast AI entregou reduções de custo reais e automatizadas no GCP para nossa API de comunicações altamente escalável, sem comprometer a confiabilidade ou o controle. Ela otimiza continuamente nossas cargas de trabalho do Kubernetes de uma maneira segura, previsível e bem alinhada com os requisitos de produção.

O que mais valorizo é que nossa equipe de SRE permanece firmemente no controle. A Cast AI fornece recomendações claras, aplica limites que definimos e automatiza a execução sem se tornar uma caixa preta.

Vimos economias significativas na infraestrutura sem impacto na produção e com esforço contínuo mínimo. Para uma equipe operando em escala, esse equilíbrio de automação, segurança e controle é a maior vitória. Análise coletada por e hospedada no G2.com.

A principal lacuna está em torno da visibilidade e relatórios de nível superior. Embora a otimização em si funcione bem, transformar os dados em visões claras e prontas para executivos sobre tendências de economia e atribuição requer um esforço extra.

Além disso, mais explicações embutidas por trás de certas recomendações ajudariam na integração e na compreensão mais ampla da equipe. Melhorar os relatórios e a explicabilidade tornaria uma plataforma já forte ainda melhor. Análise coletada por e hospedada no G2.com.

Aprecio a gama de recursos diversos que a ferramenta oferece e, além das atualizações constantes focadas na melhoria da ferramenta, é possível perceber a valorização de quem trabalha neste projeto e seu compromisso com a excelência. A possibilidade de identificar quanto custa a aplicação de cada time que roda no cluster, é sensacional. Análise coletada por e hospedada no G2.com.

Às vezes, o dimensionamento dele não é tão interessante. Não sei se isso acontece por causa dos cálculos de Requests e Limits, mas ele costuma tentar subir alguns nodes com quantidades absurdas de memória, o que me faria gastar muito mais do que economizar. Por isso, é preciso impor vários limites e não deixar que ele rode solto; caso contrário, o custo pode acabar aumentando em vez de diminuir. Análise coletada por e hospedada no G2.com.

Adoro como a CAST AI não apenas aponta onde estou gastando demais, mas também entra e automatiza as correções para que eu não precise ajustar manualmente os clusters o dia todo. Sua capacidade de lidar com Instâncias Spot é uma verdadeira salvação porque mantém meus aplicativos funcionando sem problemas enquanto reduz minha conta de nuvem em mais da metade. Honestamente, é como ter um profissional de DevOps dedicado trabalhando 24/7 para garantir que nunca paguemos mais do que realmente usamos. Análise coletada por e hospedada no G2.com.

Uma coisa que acho frustrante é que ceder tanto controle a uma "caixa preta" autônoma pode ser estressante, especialmente porque ela ocasionalmente reinicia cargas de trabalho para movê-las e o relatório nem sempre é tão detalhado quanto a cobrança nativa da nuvem à qual estou acostumado. Análise coletada por e hospedada no G2.com.