Container Platformの特徴として（1）データ処理特性に応じた柔軟な配備、（2）セキュリティに配慮したデータ分析基盤の統合、（3）強固なデータファブリック――という3つを掲げた。
前述の通り、Container Platformの展開先に制限はないものの、「弊社の顧客は法規制やセキュリティを理由にオンプレミスを利用するお客さまが多い」（野瀬氏）ことから、企業によって異なるデータ処理状況に沿った運用を可能にしている。なお、オンプレミスの物理サーバーを利用する場合は「Docker」エンジンも併用する仕組みだ。
（2）のセキュリティでは、部門単位での運用する際に、LDAPやActive Directory（AD）といった認証基盤と連携することでセキュリティを担保する仕組みを指す。また、インターネットなどのネットワークから物理的隔離、もしくは外部から隔離されたネットワークを利用するエアギャップ環境でもContainer Platformは動作する。
野良コンテナを排除するため、同社が事前に動作検証したコンテナイメージを提供するアプリケーションストアを用意。執筆時点では、Apache SparkやPostgreSQL、Hortonworksなどが登録済みだ。
（3）のデータファブリックは、Hewlett-Packard Enterpriseが2018年11月に買収したBlueDataと、2019年8月に知的財産を売却したMapRの技術融合で実現している。BlueDataのI/Oパフォーマンスを高速化する「IO Boost」やリモートでストレージに接続するための「Data Tap」、MapRの分散ファイルシステムである「MapR-FS」をContainer Platformに統合し、分散型ステートフルアプリケーションの展開と管理を支援するOSS「KubeDirector」を組み合わせた。
その結果、既存のデータレイクや外部のHDFS（Hadoop Distributed File System）/NFSストレージの参照を可能にし、データ分析基盤の統合やストレージのサイロ化を解消できるという。
機械学習のライフサイクル管理を提供するMachine Learning Opsは、機械学習開発環境の整備や学習モデルのトレーニングなど、一連のオペレーションを支援するオプションである。各ステージで利用するアプリケーション環境を配備すると同時に、共有ストレージの用意や開発プロセスで必要になるデータや学習モデルの一元管理も可能となっている。
「Gitと統合することで、学習モデルのレジストリやプロジェクトのリポジトリと連携し、学習モデルや利用するアプリケーションを効率良く回せる」（野瀬氏）
Machine Learning Opsの概要。学習モデルの準備やトレーニング、展開、モニタリングなど各ステージを支援する（出典：日本HPE）
※クリックすると拡大画像が見られます
