Kapa.ai が Docker を使用して超高速で本番環境に対応したローカル環境を実現した方法

Kapa.ai は、その大規模なマシン要件と開発者の自律性への好みのために、ローカル開発が必要です。 Dockerは柔軟性を提供し、コストを削減します。

ハイライト

• 年間50ドル節約。 Docker を使用すると、Kapa.ai 運用システムのフル クローンをローカルで実行できます。 Docker を使用すると、効果的なテストと開発が可能になり、リソースを個別にプロビジョニングするコストが削減されます。
• 柔軟性とスピード。 Dockerはローカル開発をサポートしているため、セットアップとテストがより迅速かつ簡単になります。 これにより、開発者はクラウドリソースの管理という面倒なプロセスなしで、反復と実験が容易になります。
• 「Dockerは非常にうまく機能します。これにより、新しいコンポーネントをすばやくセットアップして試すことができます。これがなければ、これらのサービスのプロビジョニングははるかに遅く、はるかに複雑になります。」 — Finn Bauer 氏、Kapa.ai 社 CTO

概要

Kapa.ai は、広範なドキュメントとナレッジ ベース内の検索機能の強化を専門とする大手 AI 企業です。 Kapa.ai は、大量の複雑なデータを管理して最大限に活用するという課題に直面し、高度な AI を使用して検索プロセスを合理化および最適化しています。 これにより、ユーザーは必要な情報を迅速かつ正確に見つけることがこれまで以上に容易になります。

Kapa.ai 日常業務では、ローカルの開発環境が本番システムを正確に再現していることを確認する必要があります。 このレプリケーションは、正確なテストと開発に不可欠ですが、リソースを大量に消費し、時間がかかる場合があります。 これらの課題に対処するために、Kapa.ai は Docker をワークフローに統合しました。

Docker のコンテナ化技術により、Kapa.ai は本番環境のセットアップを正確に反映した、一貫性のある信頼性の高いローカル環境を作成できます。 Docker を使用すると、開発者は迅速にテストと反復を行うことができ、何百時間もの労力とストレスを節約できます。

セットアップ時間を短縮し、全体的な効率を向上させると Kapa.ai 明確なメリットが得られます。 Docker を使用することで、Kapa.ai は差し迫った運用上の課題に対処するだけでなく、開発能力を強化し、テストと改善のサイクルを加速することで、成長に向けての地位を確立しています。

特定された機会

Kapa.ai、主に機械学習 (ML) 開発のリソース集約的な性質により、ローカル開発とテストで大きな課題に直面しました。 同社のAIモデルが複雑化し、要求が厳しくなるにつれ、本格的なコンピューティングパワーの必要性がますます明らかになりました。

これは、既存のクラウドおよびハイブリッド コンピューティング ソリューションが AI/ML 開発のスケーリングに限界を示し始めたため、Kapa.ai にとって課題となりました。 このような大量のデータを処理し、複雑なアルゴリズムを実行するには、強力なマシン機能が必要でした。

また Kapa.ai 効果的なテストと開発のために、本番環境がローカルにレプリケートされていることを確認する必要もありました。 このレプリケーションは、ワークフローのさまざまな段階で一貫性と精度を維持するために重要でした。 Kapa.ai、テストの品質を保証し、開発者にとってできるだけストレスのないワークフローにしたいと考えていました。

Kapa.ai、パフォーマンスや信頼性を損なうことなく、ローカル開発プロセスを効率化したいと考えていました。 彼らは、集中的なコンピューティング要件を処理できると同時に、反復と実験の柔軟性を迅速に提供できるツールを必要としていました。 しかし、Kapa.ai AI と ML の開発の規模を拡大し始めると、コンピューティング要件が当初の予測よりもはるかに大きく、クラウドとハイブリッドのソリューションが追いつかないことに気付きました。

そこで登場したのがDockerで、これらの要求を満たし、Kapa.aiのAI/ML開発の成長をサポートする機能を提供しました。

Dockerの使用

Docker により、Kapa.ai は運用システムのフル クローンをローカルで実行できるようになりました。

Kapa.ai、現地での開発とテストのために生産システムを複製する際に、いくつかの課題に直面しました。 クラウドリソースの管理は煩雑で時間がかかり、多くの場合、プロバイダーの検索、サービスの支払い、チーム全体がアクセスできるインスタンスの設定が必要でした。 これは、イテレーションを遅らせ、開発ワークフローに障害を追加し、ボトルネックを生み出し、コストを増やす多段階のプロセスでした。

Dockerが解決策を提供しました。 Docker は、Kapa.ai が本番システムのフルクローンをローカルで実行できるようにすることで、すべてを迅速、簡単、かつ手頃な価格でレプリケートおよびテストすることを可能にしました。 Docker を使用すると、分離された環境を数分でセットアップでき、開発のさまざまな段階で一貫性と精度を確保できました。

Dockerは、大規模なリソースプロビジョニングの必要性を排除し、大幅なコストと頭痛の種 Kapa.ai 節約しました。 その結果、チームは、複数の異なるインスタンスやシャード化されたデータベースクラスターを監視することなく、実験と改善を行う柔軟性を得ることができました。

Kapa.ai の CTO である Finn Bauer 氏は、これらの影響がチーム全体に及んでいると見ています。 「Dockerがイテレーションの速度に与えた影響は計り知れません。 クラウドサービスを利用するときは、プロバイダーを見つけ、料金を支払い、インスタンスを共有する方法をどうにかして考えたり、チーム全体がアクセスできる複数のインスタンスを設定したりする必要があります。 非常に時間がかかり、非常に多くのステップが必要になることがあります。

Docker を使用すると、Docker Compose でサービスを取得し、文字通り 10 分ですべて完了します。 これにより、すべての拡張が非常に簡単になり、追加のインフラストラクチャにお金を払う必要がなくなります。 これにより、おそらく年間00050ドルの大きさも節約できるでしょう。」

課題

現地開発の課題に直面し、大規模モデルをテストしている

Kapa.ai、現地での開発およびテストプロセスにおいて、いくつかの技術的な課題に直面していました。 本番環境をローカルに複製することは困難であることが判明しましたが、これは多くの場合、AI固有の機能や大規模なモデルのリソースを大量に消費する性質が原因です。
テスト環境の一貫性と信頼性を確保することは、正確なテストを行うために重要でしたが、これを達成するには複雑で時間がかかることが多すぎました。 この信頼性の高い環境へのニーズは、多くの場合、既存のクラウドおよびハイブリッド ソリューションの限界と衝突していました。

主な問題点は、クラウドインフラストラクチャに対処する際の不便さでした。 Bauerが説明するように、「私は、データベースクラスタを人々の間でどのように共有するかを考えたくありません。 私はDockerを使用する経験がとても好きです。 何かを試すためにバージョンを変更したい場合は、バージョンを変更するためにクラウドサポートに連絡したくなく、ローカルで変更したいだけです。 Docker がそれを可能にしてくれます。」

Docker は、Kapa.ai にローカル開発とテストのための一貫性のある信頼性の高い環境を提供することで、Kapa.ai の課題に対処しました。 Docker を使用することで Kapa.ai クラウド インフラストラクチャ管理の複雑さに煩わされることなく、改善に集中できるようになりました。

ビジネス上の課題

現地開発の課題に直面し、大規模モデルをテストしている

また、Kapa.ai 開発プロセスを妨げ、全体的な効率に影響を与えるビジネス上の課題にも直面していました。 大きな問題の 1 つは、開発者ごとに個別のリソースをプロビジョニングすることに伴うコストの高さでした。 複数のインスタンスを維持し、各開発者が必要なリソースを確保することは、コストがかかるだけでなく、リソースを大量に消費します。 この財務負担により、同社は他の重要な事業分野に資金を割り当てる能力が制約され、成長が鈍化しました。

Kapa.ai は、コストが高いだけでなく、一貫性のないクラウド/ハイブリッド環境のために、開発ワークフローの非効率性に悩まされていました。 多くの場合、開発者はローカルの開発セットアップと本番環境との間に不一致があり、エラーや遅延につながっていました。

これらの不一致は煩わしく、ストレスがたまり、解決するには追加の時間と労力が必要でした。 Kapa.iaが直面していた非効率性は、開発とテストのサイクルの遅延の一因となり、プロジェクトのスケジュールに直接影響を与えました。 当然のことながら、これはフラストレーションを引き起こし、チームのワークフローに不要な摩擦を生み出しました。

これらの問題に対処することは、Kapa.ai 社が開発プロセスを改善し、コストを削減し、定評のある高品質の AI ソリューションを提供する能力を強化するための優先事項でした。

解決

Docker はローカル テストを迅速かつ簡単にします

Kapa.ai Docker を使用して、ローカルでの開発とテストを毎回迅速、簡単、正確に行いました。 Docker のコンテナ化テクノロジを使用することで Kapa.ai 本番環境システムのフルクローンをローカルですぐに作成できました。

分離された環境を迅速かつ効率的に作成することで、チームはより迅速に反復し、新機能をより簡単に、遅延を減らし、ストレスを減らしてテストしました。 このアプローチにより、開発速度が向上し、開発者ごとに個別のリソースをプロビジョニングするコストが削減されました。

Bauer氏は続けて、「私たちは最初からDockerを使用してきました。 私たちのクラウドサービスはGoogleで、合計で2つの大きなサービスとデータベースのマージを行いました。 本番環境の前にDockerで大量のリハーサルを行ったため、マージが非常に簡単になりました。 移行は本当にスムーズでした。」

本番環境 Kapa.ai 前のドライランにDockerを使用することで、潜在的な問題を早期に特定して解決でき、移行がスムーズになり、デプロイの信頼性が向上しました。 このアプローチにより、リスクを最小限に抑え、高品質のAIソリューションを提供する能力が向上しました。

実装プロセス

Kapa.ai、各開発者のラップトップに本番環境をミラーリングするようにDockerコンテナを設定します。 コンテナ化アプローチにより、チームは完全なシステムをローカルで実行できるようになり、レプリケーションとテストで重要な精度を得ることができました。

「最近、新しいRabbitMQメッセージングサービスをテストしました。Dockerを使用すると、非常に高速で簡単に実行できるため、非常に迅速に実行でき、製品やすべてにどのような影響を与えたかについての実際のデータを収集し始めることができました。 DockerなしでRabbitMQをテストするのは非常に面倒で、はるかに時間がかかり、はるかに複雑になっていたでしょう。 Dockerは、多くの頭痛の種と多くの費用を節約します。本番環境の設定を複製することは、Dockerを使用するよりもはるかに費用がかかります。」

主な利点

結果と結果

Kapa.ai により、イテレーションと実験が高速化されます

• Docker は、開発環境のセットアップに必要な時間を短縮しました。
• 開発者は、新機能のテストにかかる時間が大幅に短縮されたと報告しています。
• Kapa.ai、大規模なクラウドリソースのプロビジョニングに伴う高コストを回避しました。

チームは、テストと開発のサイクルの効率が向上し、新機能のイテレーションとデプロイが迅速になりました。 開発者からの肯定的なフィードバックは、コストの懸念やリソースの制限の制約なしに、より自由に実験する新たな能力を強調しました。 ここでも、生産性が大幅に向上しました。 テストの容易さと効率の向上は、チームの士気とエネルギーに多くのダウンストリームのメリットをもたらしました。

結論

将来のプロジェクトのための迅速なセットアップとテストを可能にする

Docker を採用することで、Kapa.ai 本番環境のレプリケーション、クラウド リソースの管理、開発段階間での一貫性の維持という主要な課題を克服しました。 Dockerにより、Kapa.ai ワークフローを合理化し、50ドルを節約し、開発プロセスの速度と精度を000 し、レベルアップすることができました。

「これは最高の地域開発ソリューションです。 生産システムの完全なクローンを持つことで、手間をかけずに非常に迅速にテストと開発を行うことができます。 クラウドデータベースへの接続や、テストのたびにそのすべてを管理するための遅くて面倒なプロセスをすべて実行する必要がないため、時間を大幅に節約できます」とBauer氏は言います。