Beim vorherigen Cloud-Anbieter kämpfte Raycatch mit Performance-Problemen: Systemausfälle, mangelhafter Docker-Support und Probleme bei der Festplattenanbindung. Das komplexe Analysesystem für Solaranlagendaten musste riesige Datenmengen in 24-Stunden-Zyklen verarbeiten – doch die Grenzen der Infrastruktur bremsten das Wachstum und machten es schwer, weitere Kunden zu bedienen.
Raycatch migrierte seine dockerisierte Infrastruktur per Lift-and-Shift zu Google Cloud. Für die Verarbeitung kommt Google Compute Engine mit Autoscaling und Load Balancing zum Einsatz, um Lastspitzen während der nächtlichen Analyseläufe abzufangen. Cloud Bigtable dient als NoSQL-Datenbank und speichert und verarbeitet die Sensordaten von Tausenden IoT-Geräten an Solaranlagen.
Es hat nur ein bis zwei Tage gedauert, weil wir hervorragende Unterstützung von DoiT hatten. Das Team hat unsere bestehende Architektur geprüft und uns geholfen, mögliche Hürden und Herausforderungen frühzeitig zu erkennen – so verlief die Migration nahezu reibungslos.
Haggai Hofland, CEO, Raycatch
Mit dem anhaltenden Wachstum der grünen Energiebranche hat das in Tel Aviv ansässige Unternehmen Raycatch die Software DeepSolar™ entwickelt, die Betreibern von Solaranlagen datenbasierte Insights zur Optimierung ihrer Photovoltaikanlagen liefert. Das 2015 gegründete Unternehmen arbeitet mit führenden europäischen Energieversorgern wie Arava Power, RTR, EDF und Enlight zusammen und expandiert nach China, Indien und in weitere Märkte. Raycatch analysiert vorhandene Datenströme aus Solaranlagen, ohne zusätzliche Hardware zu installieren, und liefert Kunden mithilfe ausgefeilter Algorithmen konkrete tägliche Handlungsempfehlungen.
Das komplexe System von Raycatch sammelt, normalisiert und analysiert Solaranlagendaten im 24-Stunden-Takt. Beim vorherigen Cloud-Anbieter traten dabei erhebliche Performance-Probleme auf – darunter Systemausfälle und unzureichender Docker-Support. Festplatten ließen sich nicht sauber trennen, und teilweise waren manuelle Neustarts im Rechenzentrum nötig. Diese Grenzen der Infrastruktur verhinderten, dass Raycatch seine Datenverarbeitung skalieren und mehr Kunden effizient bedienen konnte.
Raycatch migrierte seine dockerisierte Infrastruktur per Lift-and-Shift zu Google Cloud. Mit Unterstützung von DoiT International dauerte die Migration nur ein bis zwei Tage. Im Einsatz sind Google Compute Engine mit Autoscaling und Cloud Load Balancing, um die nächtlichen Verarbeitungsspitzen abzufangen. Cloud Bigtable dient als NoSQL-Datenbank für die eingehenden Daten von Tausenden Sensoren an Solaranlagen und ermöglicht komplexe Berechnungen. Dank der Flexibilität von Compute Engine lassen sich VMs in unterschiedlichen Größen und individuell konfigurierte Maschinentypen je nach Bedarf bereitstellen.
Raycatch setzt auf künstliche Intelligenz, um die für tägliche Analysezyklen nötige Systemeffizienz zu erreichen. Solaranlagen können bis zu 10.000 Sensoren umfassen, die Luftfeuchtigkeit, Temperatur und weitere Variablen messen. Jeder Sensor muss eindeutig gekennzeichnet und identifiziert werden – ein Prozess, den Raycatch für mehr Tempo und Genauigkeit automatisiert hat. Cloud Bigtable speichert die Ergebnisse der Phase-1-Algorithmen und beschleunigt den Datenabruf für die Phase-2-Verarbeitung, sodass die früheren Grenzen bei den Verarbeitungsvolumen entfallen.
Der Wechsel zu Google Cloud brachte deutliche Performance- und Kostenvorteile. Die Analysezeit sank von drei Tagen auf unter fünf Stunden – vollständige Reports sind damit innerhalb der 24-Stunden-Zyklen möglich. Der Aufwand für die Überwachung einfacher Analysen verringerte sich um das 60-Fache und schafft dem IT-Team Freiraum für Optimierungen. Die Infrastrukturkosten sanken gegenüber dem vorherigen Anbieter um mindestens 80 %, während Systemstabilität und Flexibilität deutlich zulegten.
Raycatch will die KI-Automatisierung weiter ausbauen und den Kundenstamm vergrößern. Da Google Cloud die bisherigen Infrastruktur-Engpässe beseitigt, kann die KI sämtliche Daten parallel auswerten. So lassen sich mehr Kunden und Projekte aufnehmen, ohne an Agilität zu verlieren – und das Unternehmen kann sich klug an sein Wachstum anpassen. Die verbesserte Infrastruktur wirkt sich auch positiv auf Service und Produktentwicklung aus.
Erfahren Sie, wie Cloud Intelligence™ Teams hilft, Transparenz, Governance und Unit Economics in Cloud-Umgebungen zu verbessern.
“PerfectScale gives us the confidence to automate Kubernetes optimization while letting our engineers focus on building what matters.”
Josh Zarrabi, Infrastructure Engineer
“Without PerfectScale by DoiT, I don't know how we would do it. We'd have to have twice the number of people on my team to stay on top of it. With PerfectScale, we can focus on the more strategic issues.”
David Adkins, Director of Software and Platform Engineering
Connecting IBM and AWS privately was the piece we needed to get right, and we wanted to move faster on it than we could on our own. DoiT worked through the options with us, found the subnet overlap that was breaking the routing, and made it stable. That unblocked everything else.
DevOps Lead, Software Projects
Attribute™'s platform is truly unique. We now have crystal-clear visibility into our cloud spend at the workload and tenant level, and that insight has already led to actionable savings and powerful insights as we further scale our service.
Paul White, VP of Engineering, Shasta Cloud
We have worked with DoiT for many years, and there has been an increasing number of capabilities and features in DoiT Cloud Intelligence. We've embedded features such as Cloud Analytics and Reports in our own FinOps processes, it's become core to what we do.
Martin Lee, Director of Operations
DoiT gave us the confidence to move from experimentation to production. They helped us understand the right way to build AI for the real world.
Milad Rezazadeh, CTO
Attribute™'s cost grouping technology took our cost visibility and allocation to a whole new level. Now, our teams are fully accountable for their budgets, significantly improving our cloud efficiency and helping us minimize unnecessary costs.
Eli Zilbershtein, Head of DevOps, Hippo
You can't tag a customer in a multi-tenant environment. Attribute™ finally shows us what each customer costs and what's driving those costs.
Omri Cohen, Director of Engineering, Platform
Attribute™'s data is truly unmatched. No other solution on the market could deliver the precise customer cost and usage profiles we needed in such a complex infrastructure. Within weeks, the data from Attribute™ transformed our understanding of cost structures, influencing key strategic decisions in pricing, renegotiations, and market positioning.
Jonathan Langer, COO, Claroty
Attribute™ simplified tracking customer costs in our multi-tenant environments. Customer cost measurement is now clear and standardized, and finance gets the business context they need. Integration was quick and required no changes.
Kfir Lippmann, CFO, Salt Security
Attribute™ translates complex cloud bills into actionable, business-centric insights that empower our engineering teams to take true ownership of their costs.
Balamurugan Mohandossgandhi, Head of IT and Infrastructure, PropertyGuru
This has let us get a better idea of what our cost of goods sold really is. It's not every day you come across something that delivers value as quickly as yours did for us. I was seeing useful insights inside the POC, and we had only deployed it to a couple of real clusters.
Jason Moore, Principal DevOps Engineer, Accrete AI
Eliminating the need to tag thousands of resources has freed up my team and we've invested our efforts in enhancing our platform significantly.
Ziv Sivan, VP of Engineering
Let us show you what ships this week.
