Les containers pèsent de plus en plus lourds dans la facture cloud des entreprises... mais les budgets qui leur sont consacrés sont mal utilisés. C'est une des principales conclusions de l'étude State of cloud cost que vient de publier l'éditeur Datadog. En se focalisant sur AWS, cette étude, basée sur l'analyse de la consommation de clients utilisateurs de Datadog Cloud Cost Management, estime à 35% la part des dépenses sur EC2 relative aux conteneurs, contre 30% il y a un an. Ce total inclut les clusters autogérés et les services managés AWS à base de conteneurs (ECS et EKS).

« Parmi tous les clients que nous avons analysés, environ un quart alloue plus de 75 % de leurs dépenses EC2 à l'exécution de containers », souligne Datadog, qui s'attend à voir la part des dépenses consacrée à cette architecture continuer à grossir sur le service de compute d'AWS.

L'inactivité des clusters, source n°1 de gaspillage

Mais, pour l'éditeur, les entreprises vont devoir sérieusement se pencher sur la question de l'optimisation des coûts de leurs déploiements en containers. « Nos recherches montrent que 83% des coûts liés aux containers sont associés à des ressources inutilisées », souligne Datadog. Selon ce dernier, les deux-tiers de ce gaspillage proviennent de l'inactivité de clusters, autrement dit d'une gestion non optimisée de l'infrastructure. Le solde émane d'inadaptations entre l'activité réelle des clusters et les ressources provisionnées. « Nous ne nous attendons pas à ce que le gaspillage des containers puisse être entièrement éliminé. Il est difficile pour les équipes de développement de prévoir avec précision les besoins en ressources de chaque nouvelle application, ce qui complique l'allocation efficace de ces ressources », écrit Datadog, qui souligne la complexité des mises à l'échelle automatiques.

L'analyse de l'éditeur rejoint les conclusions d'une autre étude portant sur les coûts des clusters Kubernetes. Menée par Cast.ai, éditeur proposant un outil d'optimisation de cette technologie d'orchestration de containers, celle-ci calculait les écarts entre les ressources mises à disposition des clusters et leur niveau d'utilisation réel. Un écart massif puisque Cast.ai estimait que seule 13% de la puissance de calcul est exploitée en moyenne et 20% des capacités de mémoire.