DockerがないIT基盤における複雑な運用
従来、ビッグデータ基盤といえば、巨大なデータを溜めるバケツになる「ビッグデータ専用機」を用意して使うものでした。ビッグデータ専用機は、24時間ずっとビッグデータのためだけに働く物理基盤です。そのため、ビッグデータ以外の「その他の業務」は、ビッグデータ専用機で稼働させないのが普通です。ビッグデータ処理とその他の業務処理を、１つの物理基盤で動かそうとしても、ビッグデータ処理がCPUやメモリを大幅に占有し、相乗りするその他の業務のソフトウェアが正常に動かない可能性が大いにあるからです。
また、ビッグデータ用の業務とその他の業務は、稼働できるOSやアプリケーション環境が異なることが少なくありません。そのため、業務別にIT基盤を別々に用意することになるのですが、ユーザーがビッグデータ分析を行わない「閑散期」には、ビッグデータ専用のIT基盤の利用率が大幅に低下し、IT基盤の利用にムラが出てくるのです。そのため、それを打開すべく、通常は、IT資源の有効利用という観点で、ハイパーバイザー型の仮想化基盤を導入しようという声が出ます。
しかし、ビッグデータ処理は非常に計算能力を必要とするため、仮想化による性能劣化（結果を得るまでのターンアラウンドタイムの増加）を許容しなくてはいけません。結果的に、仮想化ソフトの導入をあきらめ、利用効率を高めるために1つの物理システムにおける閑散期が短くなるよう、ビッグデータ分析を行うユーザーとその他の業務を行うユーザーとが、IT基盤の利用スケジュールを綿密に調整するというIT部門とユーザー双方にとって非常に負荷のかかる運用を行う事態に陥るのです。
さらに、ビッグデータ分析や科学技術計算などを見据えた超高速処理が必要な物理システムにおいては、稼働する業務アプリごとにサポートされるOSの種類、ライブラリ、ミドルウェア群のバージョンが異なるため、相乗りが困難な場合も少なくありません。仮想化が許容できない物理サーバ環境を使った高速計算を必要とする業務においてOSやミドルウェア、ライブラリ、業務アプリの切り替えを行うには、物理システム上にそれらのソフトウェアを自動配備する仕組みが必要になります。しかしながら、この仕組みでは、ユーザーの業務アプリの利用要求に応じて、OSレベルの再インストールを行うという複雑なオペレーションが必要になるため、トラブルも発生しやすくなるのです。
同一の物理マシン上で業務を切り替えるのは意外と大変
