なぜ今Armなのか、そしてなぜBMWの事例なのか
「Armに移行すればコストが下がる」という話はもはや目新しくありません。本質的な課題はサービスを止めずに、チームごとのペースで、安全に移行する方法です。BMW Connected Company(2,450万台のコネクテッドカー向けデジタルサービスを運用)が2024年から進めた移行は、まさにその「方法」に対する答えを示しています。
本記事のポイントは次の3点です。
- Karpenterによる動的ノードプロビジョニングでアーキテクチャ移行の土台を先に整える
- デュアルビルドパイプライン(x86 + Arm同時ビルド)で各チームが任意のタイミングで移行可能にする
- taint/tolerationベースのオプトインスケジューリングで事故を未然に防ぐ
1日13万件以上のビルド/デプロイが稼働するプラットフォームでこれを成し遂げた点が、実務的に最も参考になる部分です。

核心メカニズム:デュアルアーキテクチャイメージとオプトインスケジューリング
1) マルチアーキイメージ:1タグでamd64/arm64をカバー
最初にぶつかる壁は「イメージが両アーキテクチャをサポートする必要がある」という点です。BMWのチームは2つのビルド方式を併用しました。
- エミュレーションビルド:Docker Buildx + QEMUで単一ランナーから全アーキテクチャをビルド
- ネイティブビルド:Gravitonランナー上でarm64を直接ビルド
どちらの方式も**manifest list(OCI image index)**をパブリッシュすれば、コンテナランタイムがノードのアーキテクチャに合ったvariantを自動選択します。つまりタグ1つで完結します。
# GitHub Actionsワークフロー例(コメント:アーキテクチャ別ネイティブビルド + インデックス作成)
jobs:
build-amd64:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- name: Build & push amd64
run: |
docker buildx build \
--platform linux/amd64 \
-t ${{ env.REGISTRY }}/app:${{ github.sha }}-amd64 \
--push .
build-arm64:
runs-on: [self-hosted, graviton, arm64] # Gravitonランナーのラベル
steps:
- uses: actions/checkout@v4
- name: Build & push arm64
run: |
docker buildx build \
--platform linux/arm64 \
-t ${{ env.REGISTRY }}/app:${{ github.sha }}-arm64 \
--push .
create-manifest:
needs: [build-amd64, build-arm64]
runs-on: ubuntu-latest
steps:
- name: Create & push multi-arch manifest
run: |
docker manifest create ${{ env.REGISTRY }}/app:${{ github.sha }} \
--amend ${{ env.REGISTRY }}/app:${{ github.sha }}-amd64 \
--amend ${{ env.REGISTRY }}/app:${{ github.sha }}-arm64
docker manifest push ${{ env.REGISTRY }}/app:${{ github.sha }}
実務のヒント:依存関係のダウンロードが多い、あるいはビルド時間が長いプロジェクトではQEMUエミュレーションのオーバーヘッドが致命的になります。その場合は必ずネイティブビルド経路を選択してください。逆にシンプルなDockerfileはエミュレーション経路でランナーコストを抑えるのが合理的です。
2) プライベートレジストリへのミラーリング:Craneでアーキテクチャをフィルタ
パブリックイメージをAmazon ECRへミラーリングする際、Google Craneを使うと必要なプラットフォームのみをフィルタして転送できます。不要なアーキテクチャイメージがストレージを浪費するのを防げます。
# Craneでarm64/amd64のみをフィルタしてミラーリング
crane copy \
--platform linux/amd64,linux/arm64 \
public.ecr.aws/nginx/nginx:1.27 \
$ECR_REPO/nginx:1.27
3) taintベースのオプトインスケジューリング
最も重要な安全装置です。Gravitonノードプールにtaintを付与し、準備が整ったワークロードのみがtoleration + nodeSelectorで明示的に参加する設計にします。
# Graviton NodePool (Karpenter)
apiVersion: karpenter.sh/v1
kind: NodePool
metadata:
name: graviton-pool
spec:
template:
spec:
requirements:
- key: kubernetes.io/arch
operator: In
values: ["arm64"]
- key: karpenter.k8s.aws/instance-family
operator: In
values: ["m7g", "c7g", "r7g"]
taints:
- key: arch
value: graviton
effect: NoSchedule # 未準備のワークロードをブロック
---
# ワークロード側:明示的なオプトイン
apiVersion: apps/v1
kind: Deployment
metadata:
name: my-app
spec:
template:
spec:
nodeSelector:
kubernetes.io/arch: arm64
tolerations:
- key: arch
value: graviton
effect: NoSchedule
さらにnode affinityでArmを「優先」させておけば、問題発生時はx86へ自然にフォールバックします。ArgoCDベースのGitOpsであれば、ロールバックはGit revert 1回で完了します。

結果と注意点:数字で見る現実
成果サマリ
| 項目 | Before (x86) | After (Graviton) | 改善幅 |
|---|---|---|---|
| NGINXイングレスCPU使用量 | 基準 | 約57%削減 | ↓ 57% |
| 価格性能比 (price-performance) | 基準 | 約40%向上 | ↑ 40% |
| 年間インフラコスト | 基準 | 約$600,000削減 | ↓ $600K |
| Graviton適用率(本番) | 0% | 65%以上 | — |
注意すべき点(ここで多くの人がハマります)
- エミュレーションビルドの落とし穴:QEMUは万能ではありません。コンパイル負荷の高いワークロード(Goバイナリ、ネイティブモジュールを含むNodeなど)はネイティブビルド比で3〜5倍遅くなる場合があり、CIコストがかえって増加し得ます。
- CVE/不変性の管理:パブリックイメージのミラーリング時にmanifestフィルタを怠ると、ストレージコストが静かに増加します。Crane等でプラットフォーム指定は必須です。
- ロールバックリスク:デュアルアーキイメージ + デュアルノードプールがないと、ロールバック時にイメージ再ビルドが必要になります。これは移行初期に必ず整備してください。
- 国内エンタープライズ環境の文脈:閉域網ではGravitonランナーをセルフホストで運用する必要があり、社内プロキシ/ミラーレジストリポリシーとCraneのフィルタリングが衝突する可能性があります。またレガシーなネイティブバイナリ(特に古いC拡張)がarm64ビルドをサポートしないケースも多く、事前に依存関係マトリクスを洗い出すことを推奨します。
次の学習ステップ
- Karpenterの発展:NodePool/EC2NodeClass設計、consolidationポリシーによるコスト最適化
- クロスコンパイル:QEMUではなくGo/Rustのクロスコンパイル、または
docker buildxの--platform最適化 - 可観測性:Armノードでの性能プロファイリング(JITベースランタイムの差異など)の確認
- GitOpsロールバック自動化:ArgoCD Rolloutsによるカナリアデプロイ + 自動ロールバックパターンの習得

まとめ:「一度に全部移行しない」が核心
BMWの事例から学ぶべきは技術そのものより移行戦略です。
- プラットフォームファースト:Karpenter、Prometheusなどのコアサービスで先に検証し、参照モデルを構築する
- オプトイン:taint/tolerationで各チームが自分のタイミングで移行できるようにする(強制移行は事故を招きます)
- デュアルトラック:イメージもノードプールもパイプラインも両アーキテクチャを同時維持し、ロールバックコストをほぼゼロに
結果として年間60万ドルの削減と40%の価格性能比改善を、サービス停止なしで達成しました。2,450万台のコネクテッドカーを支えるプラットフォームで、です。
本記事の原典はAWS Architecture Blogの根拠資料で確認できます。