Kompletny przewodnik po Stack Automation: ceny, funkcje i zwrot z inwestycji

Krok 1: Czym jest Stack Automation i jak działa?

Stack Automation to platforma automatyzacji wdrożeń opracowana wspólnie przez Cisco i Quali. Automatyzuje cały proces, od instalacji sprzętu w szafie po uruchomienie aplikacji, skracając wdrożenie z tygodni do godzin. Umożliwia wdrażanie oprogramowania Cisco, aplikacji innych firm oraz gotowych rozwiązań obejmujących cały stos, zgodnych z Cisco Validated Designs.

W praktyce wybierasz plan wdrożenia z centralnego katalogu, a następnie konfigurujesz zmienne. Platforma koordynuje udostępnianie zasobów fizycznych, wirtualnych i chmurowych w ścisłej kolejności wynikającej z zależności.

Główny proces obejmuje trzy fazy:

1. Planowanie na etapie day-0: Przeglądasz w Solutions Hub setki gotowych planów wdrożenia. Każdy odpowiada jednemu z Cisco Validated Designs, więc wybierasz ten, który pasuje do twojego sprzętu i obciążenia.
2. Wdrożenie na etapie day-1: Platforma realizuje plan wdrożenia i udostępnia warstwy sieci, mocy obliczeniowej, pamięci masowej oraz aplikacji w kolejności wynikającej z zależności. Korzystamy też ze Stack Automation, aby wdrażać rozwiązania obejmujące cały stos, takie jak Cisco AI PODs, w ramach jednorazowej usługi. Możesz również zrobić to samodzielnie.
3. Działania operacyjne na etapie day-2: Platforma monitoruje wdrożone środowiska pod kątem odstępstw od konfiguracji, porównuje ich stan z zatwierdzonym planem wdrożenia i przypisuje koszty odpowiedzialnym zespołom.

Tak wygląda przepływ w tej architekturze:

Presja rynkowa jest realna. Nie chodzi o stopniową zmianę, lecz o gwałtowny zwrot: obciążenia AI wymagają ściśle zintegrowanych stosów, w których konfiguracje sieci, mocy obliczeniowej i pamięci masowej są bez wyjątku weryfikowane razem. Wyniki naszego skanu własnej witryny rozwiały wątpliwości: ręczne udostępnianie zasobów pochłaniało 40% tygodniowego czasu naszego zespołu infrastruktury.

Po przejściu na wdrożenia oparte na planach ten udział spadł poniżej 5%.

Dlaczego model oparty na planach wdrożenia ma znaczenie

Tradycyjne narzędzia automatyzacji dają ci elementy, które nadal musisz połączyć. Stack Automation dostarcza natomiast gotowe, zweryfikowane rozwiązania. To różnica między zakupem desek a zakupem prefabrykowanej ściany.

W przypadku AI PODs jest to szczególnie ważne: zależności między udostępnianiem GPU, konfiguracją sieci i podziałem pamięci masowej na klasy są na tyle złożone, że ręczne składanie całości wiąże się z niedopuszczalnym ryzykiem. Platforma nie zastępuje twoich obecnych narzędzi automatyzacji. Koordynuje ich pracę.

Skrypty Terraform, Ansible, Helm i Python można podłączyć do Blueprint Designer jako zasoby wielokrotnego użytku. Nie piszesz więc automatyzacji od nowa, tylko łączysz istniejące elementy.

Krok 2: Porównanie planów Stack Automation: Essentials i Advantage

Platforma jest dostępna w dwóch planach: bezpłatnym Essentials do standardowych wdrożeń z katalogu oraz Advantage (subskrypcja) z zaawansowanymi możliwościami dostosowywania i funkcjami GitOps. Podział wydaje się prosty, ale jego konsekwencje już nie. Essentials daje dostęp do gotowych planów wdrożenia.

Advantage pozwala dostosować je do wymagań środowiska produkcyjnego.

Oba plany udostępniają centralny Solutions Hub z setkami gotowych planów wdrożenia do planowania na etapie day-0. Blueprint Designer pozwala dodawać do procesów istniejące zasoby automatyzacji z Terraform, Ansible, Helm i Python metodą przeciągnij i upuść. Na tym jednak podobieństwa się kończą.

Porównanie funkcji

Ukryte koszty bezpłatnego planu

Essentials wygląda na bezpłatny i taki jest. Ograniczenia szybko jednak zaczynają się nawarstwiać:

• Nie możesz zmieniać planów wdrożenia tak, by pasowały do istniejącej topologii sieci.
• System wykrywania odstępstw od konfiguracji wysyła alerty, ale nie usuwa problemu.
• Brak GitOps oznacza brak historii wdrożeń objętej kontrolą wersji.
• Wdrażanie własnych aplikacji innych firm ogranicza się do pozycji z wąskiego katalogu.

Podczas tworzenia AiGrow stało się dla nas jasne, że zespoły najczęściej nie doszacowują kosztów przejścia od rozwiązania „bezpłatnego” do „gotowego do pracy na produkcji”. Oszczędzasz na licencjach, ale płacisz czasem poświęconym na ręczne usuwanie problemów.

Kalkulator kosztów

Który plan wybrać

Kiedy wybrać Essentials: Masz mały zespół i wdrażasz standardowe Cisco AI PODs, które wymagają niewielu zmian. Prowadzisz projekt pilotażowy lub wdrożenie typu proof of concept, aby sprawdzić platformę przed przeznaczeniem na nią budżetu.

Kiedy wybrać Advantage: Zarządzasz środowiskami produkcyjnymi obejmującymi wiele zespołów, niestandardowe topologie sieci, potoki CI/CD oparte na GitOps i integracje z aplikacjami innych firm. Jeśli zależy ci na automatycznym usuwaniu odstępstw od konfiguracji, tylko ten plan to umożliwia.

Oto przykładowa zawartość żądania webhook GitOps, za pomocą którego Advantage uruchamia wdrożenie według planu:

{
  "event": "push",
  "repository": "infra/ai-pod-configs",
  "branch": "production",
  "blueprint": "cisco-ai-pod-nvidia-h100",
  "variables": {
    "gpu_count": 8,
    "storage_tier": "premium",
    "network_fabric": "aci"
  },
  "trigger": "stack-automation-advantage",
  "validation": "cisco-validated-design"
}

Krok 3: Jak agentowa AI umożliwia Stack Automation automatyczne przywracanie prawidłowej konfiguracji?

Agentowa AI w automatyzacji stosu oznacza wykorzystanie autonomicznych agentów AI, takich jak NVIDIA NemoClaw i Claude. Podczas wdrożenia w dniu 1 generują, ulepszają i samodzielnie naprawiają konfiguracje infrastruktury, nie uzależniając cię od zamkniętych rozwiązań jednego dostawcy. Wdrożenie w dniu 1 pozwala szybko i automatycznie przygotować infrastrukturę fizyczną, wirtualną i chmurową.

Warstwa agentowa działa w Blueprint Designer i korzysta z twoich istniejących zasobów Terraform, Ansible i Python.

Zasada działania jest prosta, choć jej realizacja jest technicznie złożona. Podczas wykonywania planu wdrożenia agentowa AI monitoruje proces w czasie rzeczywistym. Jeśli któryś etap konfiguracji się nie powiedzie, agent analizuje błąd, generuje poprawioną konfigurację i ponawia próbę.

Nie trzeba angażować człowieka ani czekać w kolejce zgłoszeń.

Czym różnią się agenci

Najważniejsze jest to, że narzędzia agentowej AI generują, ulepszają i samodzielnie naprawiają konfiguracje bez uzależniania cię od zamkniętych rozwiązań. Twoje moduły Terraform pozostają modułami Terraform, a playbooki Ansible pozostają playbookami Ansible. Agenci zmieniają dane wejściowe i parametry, nie zestaw narzędzi, na którym opiera się wdrożenie.

Konkretny przykład

Wyobraź sobie wdrożenie, w którym konfiguracja sieci nie powiodła się, ponieważ oznaczenia VLAN nie odpowiadają konfiguracji fizycznego przełącznika. Tradycyjna automatyzacja zatrzymuje się, zgłasza błąd i czeka na człowieka. Agentowa AI w automatyzacji stosu wykrywa niezgodność, sprawdza stan przełącznika przez API, ponownie generuje konfigurację VLAN i wznawia wdrożenie.

Tak wygląda proces samonaprawy:

Agent rejestruje każdą wprowadzoną zmianę, więc masz pełną historię audytową. Jeśli nie zgadzasz się z poprawką AI, możesz przywrócić pierwotną konfigurację i wprowadzić własną. Platforma nigdy nie narzuca automatycznej decyzji bez możliwości wycofania zmiany.

Co to oznacza dla działań po wdrożeniu

Samonaprawa nie kończy się w dniu 1. Ta sama warstwa agentowa wykrywa odchylenia konfiguracji podczas późniejszej eksploatacji. Gdy członek zespołu ręcznie zmieni regułę zapory na przełączniku produkcyjnym, agent wykryje różnicę względem zweryfikowanego planu wdrożenia, sklasyfikuje zmianę jako zamierzoną lub przypadkową, a następnie ją zarejestruje albo rozpocznie naprawę, zgodnie z twoimi ustawieniami zasad.

To właśnie odróżnia automatyzację stosu od ogólnych narzędzi typu infrastruktura jako kod. Warstwa AI tworzy pętlę informacji zwrotnej, której większość platform w ogóle nie ma.

Inne spojrzenie: dlaczego dostarczanie rozwiązań obejmujących cały stos nie zawsze jest najlepszym wyborem

Dostarczanie rozwiązań obejmujących cały stos nie sprawdza się w każdej sytuacji. Widzieliśmy zespoły, które pośpiesznie wybierały platformy jednego dostawcy, takie jak rozwiązania do automatyzacji stosu, nie sprawdzając, czy pasują one do ich środowiska. Czasem nie pasują.

Platforma zoptymalizowana pod kątem Cisco Validated Designs świetnie obsługuje infrastrukturę lokalną. Trudności zaczynają się przy chmurze i kontenerach.

Platformy do orkiestracji i automatyzacji usług (SOAP) to rozwinięcie tradycyjnej automatyzacji obciążeń (WLA), wprowadzonej przez Gartner. SOAP koordynują wyspecjalizowane narzędzia automatyzacji zamiast je zastępować, pełniąc funkcję centralnej platformy orkiestracji w przedsiębiorstwie. Automatyzacja stosu świetnie sprawdza się w ramach zestawu narzędzi Cisco.

Jeśli jednak twoje środowisko obejmuje AWS, Azure, klastry Kubernetes i lokalny sprzęt Cisco, żadna pojedyncza platforma nie obsłuży wszystkich tych elementów równie dobrze.

Gdzie podejście obejmujące cały stos zawodzi

• Środowiska wielochmurowe, w których każda chmura ma własne narzędzia automatyzacji, oferujące większe możliwości niż abstrakcje działające na wielu platformach.
• Systemy starszego typu, które powstały przed upowszechnieniem automatyzacji opartej na API i wymagają specjalnie napisanych skryptów integracyjnych.
• Środowiska objęte wymogami zgodności, w których każda zmiana konfiguracji musi przed wdrożeniem uzyskać zgodę komisji ds. zmian.
• Zespoły, które już dużo zainwestowały w narzędzia, takie jak Terraform Cloud, Ansible Automation Platform czy ArgoCD, których funkcje nowa platforma częściowo by powielała.

Ryzyko mnożenia narzędzi

Wdrożenie nowej platformy orkiestracyjnej może zwiększyć liczbę używanych narzędzi zamiast ją ograniczyć, jeśli platforma nie zastąpi dotychczasowych rozwiązań. Jeżeli twój zespół używa Terraform do obsługi chmury, Ansible do zarządzania konfiguracją, ArgoCD do obsługi Kubernetes i Jenkins do CI/CD, dodanie automatyzacji stosu jako piątego narzędzia nie rozwiąże problemu. Dołoży szóste.

Warto więc sprawdzić, czy platforma stanie się centrum orkiestracji, czy kolejnym odizolowanym systemem. Automatyzacja stosu integruje istniejące narzędzia przez Blueprint Designer. Liczy się jednak głębokość tej integracji.

Graficzna nakładka na moduł Terraform, w której przeciąga się elementy, to nie to samo co natywny Terraform Cloud z egzekwowaniem zasad zapisanych jako kod.

Kiedy platforma jednego dostawcy ma sens

Nie twierdzimy, że należy odrzucić rozwiązania obejmujące cały stos. Uważamy jedynie, że nie powinny być domyślnym wyborem. Platformy jednego dostawcy, takie jak rozwiązania do automatyzacji stosu, mają największy sens, gdy:

1. Twoja infrastruktura opiera się głównie na Cisco. 2. Wdrażasz obciążenia AI, które skorzystają z wcześniej zweryfikowanych projektów obejmujących cały stos.
2. Twój zespół potrzebuje procesów prowadzących krok po kroku, ponieważ nie ma rozległej wiedzy o automatyzacji.
3. Zaczynasz od zera i nie masz jeszcze żadnych inwestycji w narzędzia.

Jeśli spełniasz wszystkie cztery warunki, automatyzacja stosu może być dobrym wyborem. Jeśli spełniasz najwyżej dwa, przed dodaniem nowej platformy oceń rozwiązania SOAP, które skoordynują narzędzia już używane przez twój zespół.

Krok 4: ocena automatyzacji stosu w hybrydowym środowisku IT

Automatyzację stosu zamawia się przez Cisco CCW u dowolnego partnera Cisco. To ważna wskazówka: platforma jest skoncentrowana na rozwiązaniach Cisco. Nie jest oferowana jako narzędzie orkiestracyjne niezależne od dostawcy. Musisz to uwzględnić, zanim ocenisz jej przydatność w środowisku hybrydowym.

Platforma może wdrażać infrastrukturę innych dostawców przez Blueprint Designer, ale gotowe plany wdrożenia dotyczą w zdecydowanej większości rozwiązań Cisco. Używamy automatyzacji stosu do wdrażania rozwiązań obejmujących cały stos, takich jak Cisco AI PODs, w ramach jednorazowej usługi. W przypadku sprzętu innych dostawców trzeba tworzyć własne plany wdrożenia od podstaw.

Realia hybrydowego IT

Wymagania przed wdrożeniem infrastruktury innych dostawców

Przed wdrożeniem automatyzacji stosu w środowisku hybrydowym sprawdź, czy spełniasz te wymagania: potrzebujesz dostępu do API każdego komponentu spoza Cisco oraz planu Advantage, który umożliwia tworzenie własnych planów wdrożenia. Musisz też samodzielnie odpowiadać za weryfikację sprzętu innych dostawców, ponieważ Cisco Validated Designs go nie obejmują. Wsparcie Cisco dotyczy platformy i planów wdrożenia Cisco.

Problemy z wdrażaniem rozwiązań innych dostawców wymagają kontaktu z ich producentami.

Miejsce automatyzacji stosu wśród narzędzi SOAP

Automatyzacja stosu nie jest platformą SOAP w rozumieniu definicji Gartner. To platforma automatyzacji wdrożeń o węższym zakresie. SOAP koordynuje obciążenia w całym przedsiębiorstwie, natomiast automatyzacja stosu orkiestruje wdrażanie infrastruktury w obrębie konkretnego stosu.

Jeśli używasz już SOAP, musisz ustalić, czy automatyzacja stosu się z nim integruje, czy z nim konkuruje. Odpowiedź zależy od możliwości API twojej platformy SOAP. Większość współczesnych platform SOAP udostępnia REST API, przez które można uruchamiać wdrożenia automatyzacji stosu jako część szerszego procesu.

Taka integracja działa, ale nie jest głęboko wbudowana.

Realistyczna ocena

Po ocenie platformy w środowiskach mieszanych nasz wniosek jest następujący: automatyzacja stosu sprawdza się znakomicie tam, gdzie dominuje Cisco. W środowiskach mieszanych jest użyteczna, ale wymaga dużo pracy. Jeśli ponad 90% twojej infrastruktury nie pochodzi od Cisco, to niewłaściwe narzędzie.

Schemat decyzji jest prosty:

Automatyzacja stosu może zwiększyć złożoność, jeśli jej założenia nie pasują do twojego środowiska. Przed jej wdrożeniem oceń obsługiwane interfejsy, podział odpowiedzialności za utrzymanie, sposób odzyskiwania po awariach i charakter obciążeń.

Krok 5: jak obliczyć ROI i uniknąć uzależnienia od dostawcy przy automatyzacji stosu

Aby obliczyć ROI z wdrożenia Stack Automation, potrzebujesz konkretnych liczb, a nie ogólnych obietnic wzrostu produktywności. Przejdźmy przez przykład z danymi, które możesz dostosować do swojego środowiska.

Jak obliczyć ROI

Na zwrot z inwestycji składają się trzy rodzaje oszczędności: krótszy czas przygotowania środowisk, mniej błędów konfiguracji i mniej pracy przy usuwaniu rozbieżności konfiguracji po wdrożeniu. Stack Automation monitoruje wdrożone środowiska, wykrywa odstępstwa od zweryfikowanych planów wdrożenia i przypisuje koszty odpowiedzialnym zespołom. Platforma ma łączyć planowanie przed wdrożeniem z późniejszym utrzymaniem, ograniczając ryzyko związane z pojedynczym punktem awarii.

Przykładowe wyliczenie

Załóżmy, że średniej wielkości firma wdraża 4 AI PODy na kwartał. Tak wyglądają koszty.

Roczne oszczędności wynoszą $60,000. Inwestycja zwraca się w 8. miesiącu 1. roku, a do 2. roku platforma nie tylko się spłaca, ale przynosi też $72,000 oszczędności netto.

Jak uniknąć uzależnienia od dostawcy

Obawa przed uzależnieniem od dostawcy jest uzasadniona. Stack Automation ogranicza to ryzyko na kilka sposobów:

1. Otwarte narzędzia: Twoje moduły Terraform, playbooki Ansible i skrypty Python pozostają przenośne. Platforma koordynuje ich działanie, ale nie przepisuje ich na własne formaty.
2. Możliwość eksportu: Plany wdrożenia można eksportować jako standardowe zasoby IaC. Nie musisz pozostawać przy własnym języku DSL platformy.
3. Projekt oparty na API: Każda funkcja platformy jest dostępna przez REST API. W razie potrzeby możesz na tej podstawie zbudować inny sposób koordynacji.
4. Przejrzyste działanie agentów: Konfiguracje agentów AI są rejestrowane, a wprowadzone zmiany można cofnąć. Nic nie dzieje się w czarnej skrzynce.

Rynek a decyzja o inwestycji

Rynek się zmienia. Pytanie nie brzmi już, czy inwestować w automatyzację, ale która platforma pasuje do twojego środowiska.

Jak działa wykrywanie rozbieżności konfiguracji

Tak od strony technicznej wygląda wykrywanie rozbieżności po wdrożeniu:

{
 "drift_event": {
 "environment": "ai-pod-production-01",
 "component": "network_fabric",
 "expected_state": {"vlan": 100, "mtu": 9000},
 "actual_state": {"vlan": 100, "mtu": 1500},
 "severity": "high",
 "owning_team": "network-ops",
 "monthly_cost_attribution": {
 "compute": "$12,400",
 "storage": "$3,200",
 "network": "$1,800",
 "team": "network-ops"
 },
 "remediation_action": "agent_auto_fix_pending_approval",
 "blueprint_reference": "cisco-ai-pod-nvidia-h100-v3"
 }
}

Te dane trafiają do zespołów odpowiedzialnych za infrastrukturę. Przypisywanie kosztów nie jest dodatkiem: dzięki niemu zespoły odpowiadają za zasoby, z których korzystają. Bez tego koszty chmury i infrastruktury lokalnej mogą rosnąć niezauważone.

Ostateczna ocena

Najlepszy wybór do automatyzacji infrastruktury: Środowiska oparte głównie na Cisco, w których wdraża się rozwiązania AI. Wcześniej zweryfikowane plany wdrożenia skracają czas przygotowania środowisk i ograniczają ryzyko. To także rozwiązanie dla zespołów, które chcą przejść przez wdrożenie krok po kroku, zamiast budować automatyzację od zera.

Nie będzie najlepszym wyborem dla: Środowisk stawiających na wiele chmur, z dużymi inwestycjami w istniejące narzędzia i niewielkim udziałem sprzętu Cisco, a także zespołów potrzebujących koordynacji działań niezależnej od dostawcy w zróżnicowanej infrastrukturze. A co z nietypowymi przypadkami?