Negli ultimi 7 anni, Kubernetes si è evoluto ed è emerso come lo standard de facto per la gestione delle applicazioni containerizzate. Anche in questo caso, come per ogni nuova tecnologia, si è registrata sia una fase di maturazione tecnologica che una curva di apprendimento degli utenti aziendali. Nei primi tempi, questi spesso costruivano le proprie piattaforme Kubernetes on-premise, implementando un insieme più semplificato di applicazioni (stateless). Ma man mano che Kubernetes si è stabilizzato, i modelli di utilizzo sono maturati in modo significativo.
Basti pensare che era meno del 30% nel 2020, sarà più del 75% entro il 2022. Nelle previsioni di Gartner, sarà questa la percentuale di organizzazioni globali che eseguirà applicazioni containerizzate in produzione. Ma cosa renderà questa crescita così impetuosa?
Dopo aver assistito al crescente successo di Kubernetes con Red Hat (usando OpenShift), le aziende puntano ora a ottenere risultati simili, anche se spesso non intendono investire nelle competenze operative necessarie a gestire e mantenere Kubernetes. Ed è proprio qui che è lecito aspettarsi una rapida espansione dell’uso di servizi cloud Kubernetes gestiti, come OpenShift Dedicated, Red Hat OpenShift on AWS (ROSA) e Microsoft Azure Red Hat OpenShift (ARO).
Se da un lato siamo già stati testimoni di una grande varietà di applicazioni in esecuzione in container, dall’altro stiamo iniziando a vedere un numero maggiore di organizzazioni trasferire su Kubernetes le loro applicazioni mission critical e stateful. Come i database e la messaggistica event-driven, le applicazioni effettueranno verosimilmente questo passaggio per trarre vantaggio dalla scalabilità, sicurezza e portabilità che Kubernetes conferisce.
Tra quest’ultime, spiccano sicuramente Intelligenza Artificiale e Machine Learning. Man mano che la data science assume un ruolo critico, cresce la capacità di migliorare e potenziare molte tipologie di applicazioni. Dal potenziamento delle interazioni con i clienti all’ottimizzazione delle decisioni grazie ad un approccio data-driven, fino alla modellazione di veicoli autonomi, IA e ML stanno avendo un impatto su quasi ogni aspetto del business moderno, mentre Kubernetes ne rappresenta sempre più la piattaforma di riferimento grazie a caratteristiche come scalabilità, accesso alle GPU, workload portability e molto altro. Abbiamo giù visto i primi interessanti sviluppi in tema di IA e ML su Kubernetes, ma abbiamo ragione di credere che la prossima generazione di applicazioni avrà il potenziale di cambiare radicalmente il mercato.
