K1x reduce los costes de la nube y agiliza las operaciones de Kubernetes con PerfectScale de DoiT
Conoce a K1x
K1x es una startup de Nueva Jersey de gran crecimiento que desarrolla software fiscal basado en IA. Originalmente parte de una organización empresarial, K1x se escindió para llevar su innovadora plataforma fiscal al mercado a escala. Como parte de la transición, el equipo migró varios clústeres Kubernetes a Azure AKS. Aunque los clústeres ofrecían un buen punto de partida, ninguno de los ingenieros que los dirigían se incorporó a K1x. Eso dejó a Jason Berk, el principal operador de la plataforma de la empresa, con el reto de perfeccionar la infraestructura para dar soporte a un equipo de ingeniería ágil y en rápido movimiento.
El desafío
Cuando Jason se incorporó a K1x, enseguida quedó claro que su entorno Kubernetes estaba sobredimensionado para sus necesidades. Descubrió que los grupos de nodos estaban significativamente sobreaprovisionados, funcionando a menudo a una escala dos o tres veces superior a la necesaria. «Teníamos nodos en nuestro clúster que funcionaban a una escala mínima dos o tres veces superior a la que realmente necesitábamos», dice Jason. «Nunca se autoescalaban, pero utilizábamos menos del 10% de los recursos. Era un enorme despilfarro».
Además de costes de infraestructura innecesarios, K1x se enfrentaba a problemas de colocación de cargas de trabajo y de visibilidad. Las aplicaciones se desplegaban sin alinearse con las mejores prácticas de Kubernetes, y aunque las herramientas de supervisión como Prometheus ofrecían métricas en bruto, no proporcionaban una orientación procesable. «Era como encontrar una aguja en un pajar», dijo Jason. Los costosos nodos optimizados para computación se utilizaban innecesariamente, lo que suponía un derroche mensual de miles de dólares.
La solución
Jason sabía que necesitaba una forma más rápida e inteligente de evaluar y ajustar el entorno. «Le dije a mi director de tecnología: me llevará horas averiguarlo todo, qué medir, cómo medirlo, y si siquiera lo estoy haciendo bien, o podemos implantar PerfectScale de DoiT. Resolverá el problema más rápido y más barato». dice.
PerfectScale de DoiT proporcionó visibilidad instantánea y recomendaciones claras. En lugar de revisar manualmente las métricas y los archivos de configuración, Jason pudo centrarse en perfeccionar la arquitectura y capacitar a su equipo. «PerfectScale by DoiT te da la respuesta: ‘Ésta es la carga de trabajo, ésta es la configuración correcta’», dice. «Si éstos no funcionan, sigue refinando las recomendaciones hasta que es correcto».
Jason confiaba en PerfectScale de DoiT a diario, revisando la utilización de los nodos o profundizando en la configuración de las cargas de trabajo para asegurarse de que todo estaba ajustado correctamente. Con el trabajo de optimización automatizado, K1x podía dar prioridad a otras responsabilidades. El cambio no sólo supuso un ahorro de tiempo, sino que cambió la forma en que el equipo abordaba la infraestructura. «PerfectScale me hizo plantearme las preguntas adecuadas, como: ‘¿Por qué estamos ejecutando esta carga de trabajo en este conjunto de nodos? explica Jason. «En un par de meses, cerré por completo esos grupos de nodos y nos ahorramos miles de dólares al mes».
Resultados
A las pocas semanas de implantar PerfectScale de DoiT, K1x empezó a ver mejoras cuantificables. Jason identificó grupos de nodos ociosos y los cerró, reduciendo inmediatamente los costes de la nube en miles de dólares al mes. Las cargas de trabajo sobreasignadas se redimensionaron con recomendaciones basadas en datos, mejorando la eficiencia sin comprometer el rendimiento. PerfectScale by DoiT también descubrió problemas más profundos, como fugas de memoria y una aplicación que se reiniciaba silenciosamente 4.000 veces al mes.
Para Jason, las ventajas iban más allá de la optimización. Gestionar Kubernetes para una startup con recursos limitados exige algo más que visibilidad. Exige confianza en las decisiones. «En un mes, cerramos grupos enteros de nodos. El dinero que ahorramos, miles de dólares al mes, volvió directamente a nuestro presupuesto», afirma.