【EKS爆速化】GPU/Trainiumのポテンシャルを限界まで引き出す！Amazon EKSがEFA DRAサポートを開始、ついに『デバイス共有』と『トポロジー認識』の時代へ

Amazon Elastic Kubernetes Service (Amazon EKS) において、Elastic Fabric Adapter (EFA) 用の Kubernetes Dynamic Resource Allocation (DRA) ドライバーのサポートが開始されました。これにより、AI/MLやHPCワークロード向けに、EFAインターフェースの共有や、NVIDIA GPU/AWS Trainium/AWS Inferentia との物理的に最短な経路での通信（トポロジー認識割り当て）が可能になります。本機能は Kubernetes v1.34 以降の EKS マネージドノードグループまたは自己管理型ノードで利用可能です。

🚀 AI/ML基盤を運用するエンジニアが今すぐ知るべき変化

これまで、EFAをKubernetesで使う場合、デバイスプラグイン方式だと「1 Pod = 1 デバイス」という独占的な割り当てが基本で、リソースの利用効率や通信レイテンシの最適化に限界がありました。今回のDRA対応は、まさにその**「リソースの壁」を壊すアップデート**です。

🛠️ 解消される技術的ペインポイント

• 「デバイスが余っているのに使えない」問題の解消: DRA（DRANETベース）により、同一ノード内の複数のPodでEFAインターフェースを共有できるようになります。これにより、リソース利用率が劇的に向上します。
• 「通信が遠い」問題の解消: PCIeルートやデバイスグループを認識した「トポロジー認識割り当て」により、GPUとネットワーク間の最短経路を確保。学習ジョブのパフォーマンスが最大化されます。

🇯🇵 日本国内（東京・大阪）での利用について

リサーチの結果、東京リージョン（ap-northeast-1）および大阪リージョン（ap-northeast-3）の両方で利用可能であることが確認できました。国内のAIインフラ構築においても、即戦力となる機能です。

⚠️ 運用上の重要な注意点（ここが落とし穴！）

ここで最も注意すべきは、**「KarpenterやEKS Auto Modeを使っている場合は、引き続き従来のEFAデバイスプラグインを使う必要がある」**という点です。DRAは非常に強力ですが、現時点ではKarpenter等との連携がまだサポートされていません。既存の自動スケーリング環境をそのまま維持しつつ、DRAへ移行する場合は、ノード構成の再検討が必要になります。

✅ 次のアクション：何から試すべきか？

1. Kubernetes v1.34 以降のクラスタを用意する
2. EKS マネージドノードグループ、または自己管理型ノードで試験環境を構築する
3. ResourceClaim を使用した新しいリソース定義を試作し、従来のデバイスプラグインとの挙動の違いを検証する

参照リソース: Manage EFA devices on Amazon EKS (AWS公式ドキュメント)