当社のサービス
性能工学
チューニングとベンチマーク
-
高性能コンピューティング クラスターのシステムレベルのチューニング (例: AMD EPYC ノード上の CPU ガバナー設定と NUMA メモリ配置の最適化)。
-
マイクロサービス ワークロードについて GCP の C3 (Intel Sapphire Rapids) と AWS Graviton3 を比較したクラウド VM ベンチマーク。
-
Kubernetes ノード全体のストレージ IOPS とネットワーク遅延を評価するためのマイクロベンチマークの作成。
-
PyTest + カスタム ベンチマーク ハーネスを使用した、Python ベースの分析パイプラインの CI 統合パフォーマンス回帰テスト。
-
ML 推論モデルを実行するエッジ デバイスの電力効率ベンチマーク。
ワークロードの特性評価
-
eBPFベースのツール（bccやbpftoolsなど）を用いたREST APIワークロードのプロファイリングによるシステムコールレベルのボトルネック特定。
-
RedisやMemcachedなどのインメモリデータベースにおける、ARM64とx86プラットフォーム間のメモリアクセスパターン分析。
-
バースト性のあるトラフィック条件下におけるKafkaコンシューマーのレイテンシとスループット特性評価。
-
現実世界の並行処理とI/Oをシミュレートするための合成ワークロードモデリング。
-
行列乗算を多用するワークロードにおけるCPU使用率とキャッシュミス率のヒートマップ可視化。
AI/MLフレームワーク
-
ARMベースのクラウドVMにおける量子化ONNXモデルと最適化ランタイムライブラリを用いた推論高速化。
-
GPU利用率最大化のためのTensorFlowデータセット向けデータパイプライン並列化調整。
-
YOLOX 2.0-sのマルチプラットフォームベンチマーク。
-
HuggingFaceトランスフォーマーのモバイル展開向け微調整とiOS/Androidでの性能検証。
-
特定ハードウェア上でのLlamaおよびDLRM類似ワークロードのベンチマーク評価。
レポートダッシュボード
-
ハードウェアSKUおよびソフトウェアバージョンごとのベンチマーク別パフォーマンス指標を表示するGrafanaダッシュボード。
-
ベンチマーク実行結果、回帰テスト、プラットフォーム詳細をまとめたインタラクティブなHTMLレポート
-
CRMに統合された日々のパフォーマンストレンド要約
-
並列比較パフォーマンス差分レポート
-
パフォーマンスレビューおよび顧客コンプライアンス文書化のためのエクスポート可能な監査ログとPDF。
ワークロードの移植
-
x86からARMベースのクラウドVM（例：AWS Graviton、OCI上のAmpere Altra）へのWebサーバーおよびREST APIの移行。実トラフィック再生によるパフォーマンス検証を実施。
-
PostgreSQL、MySQL、MongoDBなどのコンテナ化データベースをマルチアーキテクチャ対応のDockerイメージへ移植。プラットフォーム間の互換性とパフォーマンスの均一性を確保。
-
分散キャッシュ（例：Redis、Memcached）をARM64ベースのKubernetesクラスター向けに最適化（ネットワーク設定・メモリ設定調整）して適応。
-
メッセージブローカー（例：RabbitMQ、Kafka）のクロスプラットフォームベンチマークを本番環境に近い負荷下で実施し、一貫したスループットとレイテンシを確保。
-
GitHub ActionsまたはGitLab CIを用いたバックエンドマイクロサービスのARM/x86イメージ対応ビルドパイプラインの自動化。両アーキテクチャでのテスト段階を含む。
カオスエンジニアリング
-
Chaos Mesh を使用した計画的な障害注入により、Kubernetes ネイティブ環境全体でネットワークの分割、DNS 障害、およびポッドレベルの不安定性をシミュレートします。
-
リソース枯渇（CPU/メモリ負荷）や I/O レイテンシを注入する、シリコンからソフトウェアに至る信頼性監査を実施し、ハードウェアレベルのボトルネックやフェイルオーバーロジックを検証します。
-
カオス実験とPrometheus/Grafanaのメトリクスを相関させることで、分散型マイクロサービスにおける復旧のギャップを特定するための、自動化されたSLO検証および影響範囲分析。
-
クラウドの冗長性、大規模環境におけるシステムパフォーマンス、およびインフラコストのトレードオフを評価するための、MTTR最適化および堅牢性ベンチマーク。