スキルを探す

GKE上のAI・機械学習ジョブの中断や再起動を調査し、Spot VMの回収、ノードやホストの障害、ワーカーの異常をログと監視指標から切り分けるスキル。

• JobSetの再起動ループを調べたいとき
• Spot VM回収の影響を確認したいとき
• 繰り返し故障するホストを探したいとき

GKE上のアプリを安定稼働させるため、更新時に必要なPod数を保つ設定やヘルスチェック、ゾーン分散、終了処理を点検し、信頼性の改善を支援します。

• GKEの可用性を点検したいとき
• 更新時のPod稼働数の維持
• ヘルスチェックの設定

GKEのTPU Dynamic Slicesの状態や作成失敗を調べ、ワークロード設定を確認します。削除が止まった際の対処やコントローラ停止も支援します。

• TPUスライスの状態確認
• TPUスライスの作成失敗調査
• 単一・複数スライスの設定点検

GKEでPodが起動しない、ディスクを接続できない、容量拡張が反映されないなどのストレージ障害を診断し、原因に応じた設定の修正案を提示します。

• ContainerCreatingで止まるPodの診断
• ディスクの遅延やノードの容量不足調査
• コンテナに容量拡張が反映されない原因調査

GKE上のアプリの稼働数やCPU・メモリ割り当てを調整します。手動変更から負荷に応じた自動拡張、使用実績に基づくリソース配分の見直しまで扱うスキルです。

• 負荷に合わせてアプリを自動拡張したいとき
• CPU・メモリ割り当ての見直し
• アプリの稼働数を手動変更したいとき

GKEのTPU v6eで起きるメモリ不足や初期化失敗を、ログと独自のメトリクス収集設定から調べます。監視処理の競合による障害の切り分けと暫定対策を支援します。

• vbar_control_agentの異常終了とメモリ不足調査
• TPUメトリクスのチェックサムエラー調査
• 独自のTPU監視処理との競合確認

GKEノードのNotReadyやUnknownの原因を、状態・イベント・ログ・使用量から調べるスキルです。根拠を整理し、人が適用する修復案を提示します。

• NotReadyやUnknownが続く原因調査
• kubeletの状態報告停止の調査
• ノード不調によるPod退避やPendingの調査

GKEのCPU・メモリ割り当てやリソース上限を見直し、Spot VMsと継続利用割引を使い分けて、稼働状況に合ったコスト削減を進めるスキル。

• CPU・メモリの過剰割り当てを減らしたいとき
• 共有クラスタにチーム別の上限を設けたいとき
• 中断可能なバッチをSpot VMsへ移したいとき

GKEでAIモデルを動かすために、GPU・TPUと推論サーバーを選び、構成ファイルの生成からデプロイ、負荷に応じた台数調整や性能改善まで支援するスキル。

• GemmaやLlamaをGKEで公開したいとき
• 推論用のGPU・TPUを選びたいとき
• LLMの台数を自動調整したいとき

GKEのStandard・Autopilot環境に合わせて更新計画、前後の確認リスト、コマンド付き作業手順を作り、ノード更新や処理停滞の調査を支援するスキル。

• GKEのバージョン更新を計画したいとき
• リリースチャネルと保守日時の選定
• DB・GPU向けノード更新の準備

GKEで処理を担うノードの自動増減を設定・調整し、増えない・減らない原因をログやPodの制約から調べ、ゾーンの容量不足や急な負荷増への対応を案内します。

• GKEノードプールの自動増減を設定したいとき
• ノードが増えない原因を調べたいとき
• ノードの縮小を妨げる制約の調査

GKEのPodがGoogle Cloud APIに認証できない原因を、クラスタ設定やサービスアカウントの権限、ログから調べ、人が適用する修正案を示すスキル。

• Podの認証失敗や403エラーの調査
• サービスアカウントの関連付け確認
• メタデータサーバーの接続問題の調査

GKEの本番向けクラスターをAutopilotの推奨構成に沿って設計し、ネットワークやセキュリティ、監視設定の差分と改善策を確認するスキル。

• 本番用GKEクラスターを設計したいとき
• 作成前のネットワーク設計の確認
• 既存クラスターの推奨構成との差分確認

GKE向けのKubernetes YAMLを自然言語の要件やコード変更から作成・更新します。権限、CPU・メモリ、ヘルスチェック、外部公開、AI推論用GPUの設定を扱います。

• GKEへのアプリ配置設定を作りたいとき
• コンテナの権限とリソース設定の見直し
• GKE Gateway APIで外部公開

Google Kubernetes Engineのクラスタ全体のセキュリティ設定を整えます。権限の見直しや機密情報の保護、ノードの安全性を高める設定を支援します。

• クラスタのアクセス権を点検したいとき
• Secret Manager連携の有効化
• Shielded NodesとGKE Sandboxの設定

GKEのクラスタやアプリを本番公開前に点検します。拡張性、セキュリティ、信頼性、監視、復旧、費用などを専門スキルと確認し、評価と改善の優先順位をまとめます。

• GKEアプリの本番公開前レビュー
• クラスタ全体の本番運用準備の評価
• 評価結果に基づく改善の優先順位付け

GKEの利用料金をBigQueryの請求データとクラスタの稼働状況から分析し、プロジェクトや名前空間別の内訳、料金増加やリソースの過剰確保の要因を調べます。

• プロジェクト間のGKE費用比較
• 費用が高い名前空間やワークロードの特定
• クラスタ料金が急増した原因の調査

Google CloudでKubernetesの実行環境を作るために、GKEの動作モード選びからクラスタ作成、接続情報の取得、アプリの配置までを支援するスキル。

• AutopilotとStandardを選びたいとき
• プライベートクラスタを作りたいとき
• kubectlの接続情報を取得したいとき

GKEでアプリのデータを保存する領域を設定し、ディスクの種類や複数Podで使う共有ストレージの選択、容量拡張、配置先のゾーンに関わる条件の整理を支援します。

• GKEアプリの永続ストレージ作成
• Filestoreで複数Podのファイル共有
• 既存ボリュームの容量を増やしたいとき

GKEで大量データのバッチ処理や科学計算、機械学習の学習ジョブを動かすために、並列実行、ジョブの待ち行列、計算資源の割り当てを設定するスキル。

• データ処理を並列実行したいとき
• ジョブの待ち行列で計算資源を共有したいとき
• MPIで分散シミュレーションを構成したいとき

GKEでPod数を自動調整するHPAの不具合を調べ、メトリクス取得エラーや増減しない原因を切り分け、設定の修正案をレビュー可能な形で提示します。

• メトリクス取得エラーを調べたいとき
• Pod数が増減しない原因調査
• ゼロ台への縮小・復帰の不具合調査

GKE上のアプリをインターネットや内部ネットワークへ公開する設定を支援します。通信の振り分け、負荷分散、証明書、アクセス防御を扱い、502エラーなどの原因も調べます。

• GKEのアプリを公開したいとき
• 新版へ段階的に通信を切り替えたいとき
• 攻撃対策やHTTPSを設定したいとき

複数チームでGKEクラスタを共有するための設計・設定を支援するスキル。チームや環境ごとの権限、リソース上限、通信の分離、費用の割り当てを扱います。

• 複数チームでのGKE共有設計
• 開発・検証・本番のワークロード分離
• チーム別の権限と利用上限設定

アプリを初めてGKEへ配置する際に、構成の確認からコンテナ化、イメージ登録、Kubernetes設定ファイルの作成、デプロイ後の稼働確認まで支援します。

• 既存アプリを初めてGKEへ配置したいとき
• Dockerfile作成とコンテナイメージ登録
• ヘルスチェック付きデプロイ設定の準備