> For the complete documentation index, see [llms.txt](https://docs.digitalhumans.jp/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.digitalhumans.jp/dev/miniprem/kubernetes-overview/kubernetes-multi-cloud.md).

# マルチクラウド比較

## マルチクラウド比較ガイド

> Renny のデプロイに最適なクラウドプロバイダーを選びましょう

{% hint style="info" %}
本ページの内容はデジタルヒューマン株式会社の正式サポート対象外です。参考情報としてご利用ください。
{% endhint %}

### 目次

* [概要](#section)
* [クイック比較](#section-1)
* [詳細コスト分析](#section-2)
* [技術比較](#section-3)
* [意思決定フレームワーク](#section-4)
* [移行戦略](#section-5)
* [ライセンス](#section-6)

### 概要

本ガイドでは、Renny のデジタルヒューマンを大規模にデプロイするにあたり、AWS EKS、Azure AKS、Google GKE（近日対応予定）のいずれを選ぶべきかを判断するための情報を提供します。各クラウドプロバイダーにはそれぞれ強みがあり、最適な選択肢は要件によって異なります。

### クイック比較

#### 一目でわかる比較

| 比較項目               | AWS EKS      | Azure AKS   |
| ------------------ | ------------ | ----------- |
| **月額コスト（10 ノード）**  | $8,712       | $10,800     |
| **GPU メモリ**        | 24GB         | 16GB        |
| **デプロイ時間**         | 30〜45 分      | 35〜50 分     |
| **GPU あたりの Pod 数** | 2（タイムスライス利用） | 1           |
| **システム RAM**       | 64GB         | 110GB       |
| **エコシステム成熟度**      | 成熟（2018 年〜）  | 成熟（2018 年〜） |
| **セットアップの容易さ**     | 中程度          | 中程度         |

#### 推奨サマリー

{% hint style="success" %}
**コストパフォーマンス重視:** AWS EKS — コストが 19% 低く、GPU 利用効率も高い
{% endhint %}

{% hint style="info" %}
**エンタープライズ向け:** 既存のクラウドインフラに合わせて選択
{% endhint %}

### 詳細コスト分析

#### 10 ノード構成の内訳

**AWS EKS 月額コスト**

| 項目             | 仕様         | 数量      | 単価        | 月額コスト        |
| -------------- | ---------- | ------- | --------- | ------------ |
| GPU コンピュート     | g5.4xlarge | 10 ノード  | $1.18/hr  | $8,496       |
| EKS コントロールプレーン | マネージド      | 1 クラスター | $0.10/hr  | $73          |
| コントロールノード      | t3.large   | 2 ノード   | $0.08/hr  | $115         |
| NAT ゲートウェイ     | 高可用性構成     | 3×      | $0.045/hr | $97          |
| パブリック IP       | Elastic IP | 3×      | $3.60/月   | $11          |
| EBS ボリューム      | gp3        | 500GB   | $0.08/GB  | $40          |
| データ転送          | アウトバウンド    | 500GB   | $0.09/GB  | $45          |
| CloudWatch     | ログ＋メトリクス   | 50GB    | $2/GB     | $100         |
| **合計**         |            |         |           | **$8,977/月** |

**Azure AKS 月額コスト**

| 項目             | 仕様                | 数量      | 単価       | 月額コスト         |
| -------------- | ----------------- | ------- | -------- | ------------- |
| GPU コンピュート     | NC16as\_T4\_v3    | 10 ノード  | $1.50/hr | $10,800       |
| AKS コントロールプレーン | マネージド             | 1 クラスター | $0.10/hr | $73           |
| システムノード        | Standard\_D4s\_v3 | 2 ノード   | $0.20/hr | $288          |
| ロードバランサー       | Standard SKU      | 1×      | 約 $25/月  | $25           |
| パブリック IP       | Standard SKU      | 3×      | $4/月     | $12           |
| マネージドディスク      | Premium SSD       | 500GB   | $0.15/GB | $75           |
| データ転送          | アウトバウンド           | 500GB   | $0.05/GB | $25           |
| Azure Monitor  | Log Analytics     | 50GB    | $2.50/GB | $125          |
| **合計**         |                   |         |          | **$11,423/月** |

#### コスト差分の分析

**AWS EKS による月額節約額:** $2,446（21.4%） **AWS EKS による年間節約額:** $29,352

**主なコスト差要因:**

1. **GPU コンピュート:** AWS g5.4xlarge は Azure NC16as\_T4\_v3 より時間あたり $0.32 安い
2. **コントロールノード:** AWS t3.large に対して Azure Standard\_D4s\_v3 は約 2.5 倍高価
3. **ネットワーク:** Azure のロードバランサーは AWS の NAT ゲートウェイより安価だが、コンピュート費の差で相殺される

#### 規模別のコスト

| 規模         | AWS EKS     | Azure AKS   | AWS の節約額      |
| ---------- | ----------- | ----------- | ------------- |
| **5 ノード**  | 約 $4,712/月  | 約 $5,925/月  | $1,213/月（20%） |
| **10 ノード** | 約 $8,977/月  | 約 $11,423/月 | $2,446/月（21%） |
| **15 ノード** | 約 $13,242/月 | 約 $17,173/月 | $3,931/月（23%） |
| **20 ノード** | 約 $17,507/月 | 約 $22,923/月 | $5,416/月（24%） |

{% hint style="info" %}
**ポイント:** AWS EKS のコスト優位性は規模が大きくなるほど拡大します。GPU 利用効率（GPU あたり 2 Pod 対 1 Pod）が要因です。
{% endhint %}

#### 3 年間の総保有コスト（TCO）

| コスト項目                     | AWS EKS      | Azure AKS        |
| ------------------------- | ------------ | ---------------- |
| **コンピュート（従量課金）**          | $323,172     | $411,228         |
| **コンピュート（1 年リザーブド、-30%）** | $226,220     | $287,860         |
| **コンピュート（3 年リザーブド、-40%）** | $193,903     | $246,737         |
| **インフラ**                  | $17,388      | $21,396          |
| **データ転送**                 | $1,620       | $900             |
| **モニタリング**                | $3,600       | $4,500           |
| **サポート（コンピュート費の 5%）**     | $11,610      | $14,594          |
| **3 年 TCO（リザーブド適用）**      | **$228,121** | **$288,127**     |
| **AWS による節約額**            | -            | **$59,006（21%）** |

### 技術比較

#### GPU 仕様

**AWS g5.4xlarge（NVIDIA A10G）**

| 項目            | 値                    | 用途                         |
| ------------- | -------------------- | -------------------------- |
| **アーキテクチャ**   | Ampere（第 2 世代 RT コア） | 最新世代 GPU アーキテクチャ           |
| **CUDA コア**   | 9,216                | 高い演算スループット                 |
| **Tensor コア** | 288                  | AI／ML アクセラレーション            |
| **RT コア**     | 72                   | ハードウェアレイトレーシング             |
| **GPU メモリ**   | 24GB GDDR6           | GPU あたり 2 つの Renny Pod に対応 |
| **メモリ帯域**     | 600 GB/s             | 高帯域ワークロード向け                |
| **TDP**       | 150W                 | 電力効率に優れる                   |
| **ドライバーサポート** | 標準 NVIDIA            | GPU Operator 対応            |

**Azure NC16as\_T4\_v3（NVIDIA T4）**

| 項目            | 値                    | 用途                         |
| ------------- | -------------------- | -------------------------- |
| **アーキテクチャ**   | Turing（第 1 世代 RT コア） | 実績のあるアーキテクチャ               |
| **CUDA コア**   | 2,560                | バランス型の演算性能                 |
| **Tensor コア** | 320                  | AI 推論                      |
| **RT コア**     | 40                   | レイトレーシング対応                 |
| **GPU メモリ**   | 16GB GDDR6           | GPU あたり 1 つの Renny Pod に最適 |
| **メモリ帯域**     | 320 GB/s             | 標準的な帯域                     |
| **TDP**       | 70W                  | 非常に電力効率が高い                 |
| **ドライバーサポート** | 標準 NVIDIA            | GPU Operator 対応            |

#### GPU タイムスライス比較

**AWS EKS（GPU あたり 2 Pod）:**

```mermaid
flowchart TD
    gpu["g5.4xlarge（24GB A10G）"]
    gpu --> vgpu1["仮想 GPU 1"] --> pod1["Renny Pod 1（約 6GB、利用率 30%）"]
    gpu --> vgpu2["仮想 GPU 2"] --> pod2["Renny Pod 2（約 6GB、利用率 30%）"]
```

合計: 利用率約 60%、$0.59／Pod／時間

**Azure AKS（GPU あたり 1 Pod）:**

```mermaid
flowchart TD
    gpu["NC16as_T4_v3（16GB T4）"]
    gpu --> whole["GPU 全体"] --> pod1["Renny Pod 1（約 4〜6GB、利用率 40%）"]
```

合計: 利用率約 40%、$1.50／Pod／時間

**Pod あたりコスト:**

* AWS: $0.59／時間／Pod
* Azure: $1.50／時間／Pod
* **AWS は Pod あたり 2.5 倍安価**

#### ネットワーク性能

| 機能                 | AWS EKS          | Azure AKS          |
| ------------------ | ---------------- | ------------------ |
| **ネットワークプラグイン**    | AWS VPC CNI      | Azure CNI          |
| **ノードあたり最大 Pod 数** | 110              | 250                |
| **ネットワーク帯域**       | 最大 25 Gbps       | 最大 32 Gbps         |
| **レイテンシ**          | AZ 内で約 0.1〜0.3ms | リージョン内で約 0.1〜0.3ms |
| **IPv6 サポート**      | ✅ 対応             | ✅ 対応               |
| **ネットワークポリシー**     | Calico／Cilium    | Calico／Azure NPM   |

#### ストレージ性能

| 機能                | AWS EKS        | Azure AKS         |
| ----------------- | -------------- | ----------------- |
| **デフォルトストレージ**    | EBS gp3        | Azure Premium SSD |
| **IOPS（ディスクあたり）** | 3,000〜16,000   | 120〜20,000        |
| **スループット**        | 125〜1,000 MB/s | 25〜900 MB/s       |
| **スナップショット対応**    | ✅ EBS スナップショット | ✅ Azure スナップショット  |
| **コスト（1TB）**      | $80/月（gp3）     | $135/月（Premium）   |

### 意思決定フレームワーク

#### AWS EKS を選ぶべきケース

{% hint style="success" %}
**総合的に最も優れた選択肢**

* **コスト最優先** — Azure より 21% 安価
* **GPU 利用効率を最大化** — GPU あたり 2 Pod でコスト削減
* **大きい GPU メモリが必要** — 24GB 対 16GB で将来の拡張にも対応
* **既存の AWS インフラがある** — S3、Lambda、RDS など
* **チームに AWS の知見がある** — デプロイとトラブルシューティングが迅速
* **成熟したエコシステム** — コミュニティサポートとツールが充実
* **マルチリージョン要件** — AWS は GPU 利用可能なリージョンが多い
  {% endhint %}

#### Azure AKS を選ぶべきケース

{% hint style="info" %}
**Azure 中心の組織向け**

* **既存の Azure インフラがある** — Cosmos DB、Functions など
* **Microsoft 中心の組織** — Office 365、Azure AD との統合
* **Microsoft とのエンタープライズ契約がある** — 既存のボリュームディスカウントを活用
* **チームに Azure の知見がある** — デプロイとトラブルシューティングが迅速
* **GPU 構成をシンプルにしたい** — GPU あたり 1 Pod は管理が容易
* **システム RAM が大きい** — ノードあたり 110GB 対 64GB
* **特定のリージョン要件** — リージョンによっては可用性が高い
  {% endhint %}

#### Google GKE を選ぶべきケース（近日対応予定）

{% hint style="info" %}
**GCP エコシステム向け**

* **既存の GCP インフラがある** — BigQuery、Cloud Functions など
* **秒単位の課金** — 最も細かい粒度でコストを制御可能
* **ネイティブな GPU サポート** — 最もシンプルな GPU セットアップ
* **チームに GCP の知見がある** — デプロイが迅速
* **Kubernetes ファースト** — GKE はマネージド Kubernetes の先駆者
  {% endhint %}

#### 意思決定ツリー

```mermaid
flowchart TD
    start(["スタート"]) --> q1{"既存のクラウドインフラはありますか？"}
    q1 -->|"はい"| existing["そのクラウドを使う（移行コスト回避）"]
    q1 -->|"いいえ"| q2{"コストが最優先ですか？"}
    q2 -->|"はい"| aws1["AWS EKS（21% 安価）"]
    q2 -->|"いいえ"| q3{"最大の GPU メモリが必要ですか？"}
    q3 -->|"はい"| aws2["AWS EKS（24GB 対 16GB）"]
    q3 -->|"いいえ"| q4{"Microsoft 中心の組織ですか？"}
    q4 -->|"はい"| azure["Azure AKS（Azure AD 統合）"]
    q4 -->|"いいえ"| aws3["AWS EKS（デフォルトの選択肢）"]
```

### 移行戦略

#### EKS から AKS への移行

**準備（1〜2 週間）:**

1. Azure GPU クォータを申請（160 vCPU 以上）
2. Azure サービスプリンシパルを作成
3. 非本番環境で AKS デプロイをテスト
4. アプリケーション互換性を検証

**移行ステップ（1 日）:**

1. EKS と並行して AKS クラスターをデプロイ
2. DNS を AKS のロードバランサーに切り替え
3. 24〜48 時間モニタリング
4. 安定後に EKS クラスターを破棄

**対応すべき主な相違点:**

* GPU タイムスライス: 2 Pod／GPU → 1 Pod／GPU（レプリカ数を調整）
* ネットワーク: VPC CNI → Azure CNI（IP 割り当て方式が異なる）
* ストレージ: EBS → Azure Disks（ボリュームを再プロビジョニング）
* モニタリング: CloudWatch → Azure Monitor（ダッシュボードを更新）

#### AKS から EKS への移行

**準備（1〜2 週間）:**

1. AWS サービスクォータを申請（GPU インスタンス）
2. AWS CLI と認証情報を構成
3. 非本番環境で EKS デプロイをテスト
4. タイムスライス構成を調整（1 → 2 Pod／GPU）

**移行ステップ（1 日）:**

1. AKS と並行して EKS クラスターをデプロイ
2. GPU タイムスライスを有効化（ノードあたりの Pod 数を倍に）
3. DNS を EKS のロードバランサーに切り替え
4. 24〜48 時間モニタリング
5. 安定後に AKS クラスターを破棄

**対応すべき主な相違点:**

* GPU タイムスライス: 1 Pod／GPU → 2 Pod／GPU（レプリカ数を調整）
* ネットワーク: Azure CNI → VPC CNI（Pod IP 割り当て方式が異なる）
* ストレージ: Azure Disks → EBS（ボリュームを再プロビジョニング）
* モニタリング: Azure Monitor → CloudWatch（ダッシュボードを更新）

#### マルチクラウド戦略

**アクティブ／アクティブ（高可用性）:**

* AWS と Azure の両方にデプロイ
* グローバルロードバランサーでトラフィックを分散
* **コスト:** インフラコストが 2 倍
* **メリット:** ダウンタイムゼロ、地理的冗長性

**アクティブ／パッシブ（ディザスタリカバリ）:**

* メインを片方のクラウド、スタンバイをもう片方に配置
* 障害時やメンテナンス時に切り替え
* **コスト:** メイン 1 倍＋スタンバイ最小限
* **メリット:** 事業継続性の保険として有効

***

### ライセンス

本マルチクラウドガイドはミニプレム（MiniPrem）プラットフォームの一部であり、MIT ライセンスでライセンスされています。詳細は LICENSE ファイルをご覧ください。

***

### 著作権

**© 2025 UneeQ. All rights reserved.**

[サポート窓口](https://support.digitalhumans.jp/)