La meilleure chose et la meilleure caractéristique de Cast AI est la belle cartographie de

1. mise à l'échelle des nœuds

2. mise à l'échelle horizontale

3. fournit une vue en lecture seule pour que les LLMs puissent apprendre et optimiser la stratégie au lieu de l'implémenter directement dans notre environnement et apprend lui-même des stratégies sans temps d'arrêt.

4. Leur support client est excellent, pour les problèmes P0, Chandani de castAI est disponible rapidement.

5. Nous pouvons implémenter castAI simplement en fournissant les autorisations IAM nécessaires et en installant facilement castAI dans notre environnement EKS en 30 minutes.

6. Notre coût d'infrastructure a été réduit de 30 % en utilisant castAI pendant seulement 40 à 50 jours. Avis collecté par et hébergé sur G2.com.

Il n'y a rien à détester, mais il peut y avoir une amélioration.

Nous pouvons avoir une cartographie correcte si nous utilisons nginx-ingress, car nous devons mapper les groupes cibles de nginx ingress dans la console castAI. Avis collecté par et hébergé sur G2.com.

Ce que j'aime le plus chez Cast AI, c'est la façon dont il combine efficacement l'optimisation des coûts avec la simplicité opérationnelle. Il analyse en continu nos charges de travail Kubernetes et ajuste automatiquement la taille des nœuds, met à l'échelle les clusters et utilise des instances spot sans nécessiter un réglage manuel constant de notre équipe DevOps. La visibilité sur l'utilisation des ressources et les économies est claire et exploitable, ce qui facilite la justification des décisions d'infrastructure en interne. Au-delà des économies de coûts, la véritable valeur réside dans le temps économisé et la confiance que le cluster fonctionne toujours dans un état optimisé sans intervention quotidienne. Avis collecté par et hébergé sur G2.com.

Un inconvénient est que certaines des fonctionnalités de configuration et d'optimisation plus avancées nécessitent une compréhension plus approfondie de Kubernetes et de l'infrastructure cloud pour être pleinement exploitées. Bien que les bases soient faciles à configurer, le réglage fin des politiques et la compréhension de l'impact de certaines décisions d'automatisation peuvent prendre du temps. De plus, des capacités de rapport de coûts et de prévision plus granulaires seraient utiles pour les organisations qui ont besoin de décompositions financières détaillées par équipes ou projets. Avis collecté par et hébergé sur G2.com.

Sa capacité à optimiser automatiquement les coûts de Kubernetes sans sacrifier la performance se distingue. L'automatisation autour du dimensionnement des charges de travail et de l'autoscaling intelligent permet de gagner un temps considérable et réduit grandement l'effort manuel. J'apprécie également la visibilité claire sur les performances des clusters et les métriques de coûts, ce qui facilite la prise de décisions éclairées et permet de rester au courant de l'utilisation. Dans l'ensemble, la plateforme est conviviale, s'intègre parfaitement aux environnements cloud existants et offre rapidement des économies de coûts mesurables. La configuration a été guidée par l'équipe de support et nous l'utilisons fréquemment pour créer des groupes de nœuds, etc. Avis collecté par et hébergé sur G2.com.

Un inconvénient de Cast AI est que la configuration initiale et le réglage fin peuvent prendre du temps, en particulier dans des environnements Kubernetes plus complexes. Bien que l'automatisation soit puissante, il peut falloir un certain temps pour comprendre et configurer pleinement toutes les fonctionnalités d'optimisation, et il peut y avoir une courbe d'apprentissage pour les équipes qui découvrent la gestion des coûts Kubernetes. De plus, avoir des options de personnalisation plus approfondies et des rapports plus détaillés dans certains domaines rendrait la plateforme encore plus solide dans l'ensemble. Avis collecté par et hébergé sur G2.com.

Cela nous aide à optimiser nos clusters K8 et à réduire les coûts. L'interface utilisateur est excellente et montre clairement combien nous avons économisé jusqu'à présent, ainsi que ce qui peut encore être amélioré au sein de notre cluster. L'optimiseur de charge de travail est également une fonctionnalité très utile. Avis collecté par et hébergé sur G2.com.

Il est difficile de trouver des journaux pour certaines choses, et il est également difficile de comprendre pourquoi quelque chose ne fonctionne pas lorsqu'un problème survient. Par exemple, récemment, mon rééquilibrage programmé ne fonctionnait pas correctement, et même l'équipe de support n'a pas pu comprendre pourquoi au début. Après de nombreuses recherches, nous avons découvert que c'était parce qu'une machine était bloquée dans un état étrange après un rééquilibrage précédent. Il n'était pas facile de déterminer ce qui avait causé cela, et il semblait que le support n'était pas en mesure d'identifier le problème immédiatement non plus. Avis collecté par et hébergé sur G2.com.

Cast AI automatise l'orchestration des nœuds et le dimensionnement optimal, en utilisant un emballage avancé pour garantir une haute densité de cluster et des performances optimales. Il gère efficacement les cycles de vie des instances spot avec un repli automatisé, réduisant ainsi considérablement les frais généraux de calcul et le réglage manuel de l'infrastructure. Avis collecté par et hébergé sur G2.com.

La configuration initiale des autorisations IAM et des garde-fous d'automatisation nécessite une phase de mise en place minutieuse avant de céder complètement le contrôle de l'infrastructure. Avis collecté par et hébergé sur G2.com.

Ce que j'aime le plus chez Cast AI, c'est la façon dont il transforme l'optimisation des coûts Kubernetes d'une tâche manuelle et réactive en un système automatisé et intelligent.

Au lieu de s'appuyer sur des groupes de nœuds statiques ou une logique de mise à l'échelle automatique de cluster basique, Cast AI analyse en continu les demandes de ressources des pods, l'utilisation réelle, l'efficacité du bin-packing, et les prix en temps réel des instances spot et à la demande. Sur la base de ces données, il sélectionne dynamiquement les types d'instances les plus rentables sans intervention manuelle.

Quelques éléments qui se démarquent :

- Mise à l'échelle automatique consciente de la charge de travail qui optimise la sélection des types d'instances, pas seulement le nombre de nœuds

- Forte optimisation des instances spot avec des contrôles de stabilité pour les charges de travail en production

- Visibilité claire sur la surprovisionnement et les inefficacités

- Réduction de la charge opérationnelle par rapport à l'ajustement manuel des groupes de nœuds

D'après mon expérience en l'utilisant dans un environnement Kubernetes en production, la plus grande valeur est l'optimisation continue sans compromettre la fiabilité. Cela ressemble moins à un tableau de bord de surveillance et plus à une couche de contrôle active pour l'efficacité des coûts d'infrastructure. Avis collecté par et hébergé sur G2.com.

bien que cast ai offre une automatisation solide et une optimisation des coûts, il y a une courbe d'apprentissage pour comprendre et faire pleinement confiance à sa prise de décision automatisée, surtout pour les équipes habituées à gérer l'infrastructure à un niveau très granulaire. dans certains cas, avoir une visibilité plus approfondie sur le raisonnement exact derrière la sélection des instances ou les décisions de remplacement des nœuds ajouterait encore plus de confiance lors des audits ou des revues d'incidents. cependant, il s'agit davantage d'améliorer la transparence et la familiarité plutôt que de limitations de capacité, et avec une configuration et une gouvernance kubernetes appropriées, la plateforme fonctionne de manière fiable et efficace. Avis collecté par et hébergé sur G2.com.

Au lieu que les équipes passent des heures à ajuster la taille des nœuds, à peaufiner les autoscalers ou à deviner les types d'instances, Cast AI analyse en continu les besoins de charge de travail et automatiquement :

Sélectionne les types d'instances les plus rentables

Optimise l'autoscaling des clusters en temps réel

Utilise intelligemment les instances spot pour réduire les coûts

Élimine la surprovisionnement sans impacter les performances Avis collecté par et hébergé sur G2.com.

Dépendance envers le fournisseur : S'appuyer sur l'automatisation pour prendre des décisions concernant l'infrastructure de base augmente notre dépendance opérationnelle envers un tiers. Avis collecté par et hébergé sur G2.com.

Cast AI a livré de réelles réductions de coûts automatisées dans GCP pour notre API de communication hautement évolutive sans compromettre la fiabilité ou le contrôle. Il optimise en continu nos charges de travail Kubernetes d'une manière sûre, prévisible et bien alignée avec les exigences de production.

Ce que j'apprécie le plus, c'est que notre équipe SRE reste fermement aux commandes. Cast AI fournit des recommandations claires, applique les garde-fous que nous définissons et automatise l'exécution sans devenir une boîte noire.

Nous avons constaté des économies d'infrastructure significatives sans impact sur la production et avec un effort continu minimal. Pour une équipe opérant à grande échelle, cet équilibre entre automatisation, sécurité et contrôle est la plus grande victoire. Avis collecté par et hébergé sur G2.com.

Le principal écart concerne la visibilité et le reporting à un niveau supérieur. Bien que l'optimisation elle-même fonctionne bien, transformer les données en vues claires et prêtes pour les cadres des tendances d'économies et de l'attribution demande un effort supplémentaire.

De plus, une explication plus intégrée derrière certaines recommandations aiderait à l'intégration et à la compréhension par l'équipe élargie. Améliorer le reporting et l'explicabilité rendrait une plateforme déjà solide encore meilleure. Avis collecté par et hébergé sur G2.com.

J'apprécie la gamme de ressources diverses que l'outil offre et, en plus des mises à jour constantes axées sur l'amélioration de l'outil, il est possible de percevoir la valorisation de ceux qui travaillent sur ce projet et leur engagement envers l'excellence. La possibilité d'identifier combien coûte l'application de chaque équipe qui fonctionne sur le cluster est sensationnelle. Avis collecté par et hébergé sur G2.com.

Parfois, son dimensionnement n'est pas si intéressant. Je ne sais pas si cela se produit à cause des calculs de Requêtes et de Limites, mais il a tendance à essayer de monter certains nœuds avec des quantités absurdes de mémoire, ce qui me ferait dépenser beaucoup plus que d'économiser. C'est pourquoi il est nécessaire d'imposer plusieurs limites et de ne pas le laisser fonctionner librement ; sinon, le coût peut finir par augmenter au lieu de diminuer. Avis collecté par et hébergé sur G2.com.

J'adore la façon dont CAST AI ne se contente pas de montrer où je dépense trop, mais intervient réellement pour automatiser les corrections afin que je n'aie pas à ajuster manuellement les clusters toute la journée. Sa capacité à gérer les instances Spot est un véritable sauveur car elle permet à mes applications de fonctionner sans problème tout en réduisant ma facture cloud de plus de moitié. Honnêtement, c'est comme avoir un pro DevOps dédié qui travaille 24/7 pour s'assurer que nous ne payons jamais plus que ce que nous utilisons réellement. Avis collecté par et hébergé sur G2.com.

Une chose que je trouve frustrante, c'est de céder autant de contrôle à une "boîte noire" autonome, ce qui peut être stressant, surtout qu'elle redémarre parfois les charges de travail pour les déplacer et que les rapports ne sont pas toujours aussi détaillés que la facturation cloud native à laquelle je suis habitué. Avis collecté par et hébergé sur G2.com.