Cette page est également disponible en English, Deutsch, Español, Italiano, 日本語 et Português.
Une revue d'infrastructure menée par DoiT a permis de migrer 80 % des nœuds on-demand vers des VM preemptible sur Google Kubernetes Engine, libérant du budget au profit du ML.
Pace Revenue devait optimiser les coûts de son infrastructure Google Cloud tout en préservant les performances de son moteur de tarification basé sur le machine learning. Son équipe IT, à effectifs réduits, manquait de temps pour mettre en place les bonnes pratiques cloud et souhaitait identifier des gisements d'économies inexploités. Avec la COVID-19, la réduction des dépenses cloud est devenue encore plus critique pour l'activité.
DoiT a mené une revue complète de la configuration Google Cloud de Pace Revenue et identifié des opportunités de bascule vers des VM preemptible en lieu et place des nœuds de compute on-demand. L'équipe a appliqué les recommandations de DoiT en réorganisant son architecture pour la rendre plus résiliente, tout en tirant parti d'instances preemptible moins coûteuses sur Google Kubernetes Engine.
Nous n'avons plus à passer du temps à comprendre le fonctionnement de Google Cloud, car DoiT le fait pour nous. Combiné aux économies réalisées sur le compute, cela nous permet de consacrer ces ressources à rendre notre algorithme plus performant et à l'exécuter plus souvent. Et cela se traduit directement par un impact positif sur les résultats de nos clients.
Matt Yule-Bennett, Chief Technology Officer
Pace Revenue édite un logiciel piloté par machine learning qui automatise les décisions de tarification hôtelière afin de maximiser les revenus. Ses algorithmes déterminent les tarifs de chambres optimaux en fonction des variations de la demande et des facteurs de marché, augmentant les revenus des hôtels de 10 % en moyenne. Fondée en 2017, l'entreprise accompagne des acteurs visionnaires de l'hôtellerie qui s'appuient sur sa technologie pour prendre des décisions tarifaires stratégiques.
Pace Revenue exécute des algorithmes de machine learning complexes sur Google Cloud pour traiter en continu les données issues des systèmes de gestion hôtelière (PMS). Son équipe IT, à effectifs réduits, devait faire évoluer son infrastructure efficacement tout en restant concentrée sur l'innovation produit. Faute de temps pour formaliser les bonnes pratiques cloud, elle soupçonnait l'existence d'économies inexploitées dans sa stack. Avec la COVID-19, la réduction des dépenses cloud est devenue encore plus urgente pour la pérennité de l'activité.
Matt Yule-Bennett cherchait un partenaire capable d'apporter une expertise cloud pérenne à un coût maîtrisé. Le modèle économique de DoiT a fait la différence : le conseil et le support technique sont inclus sans frais supplémentaires dès lors que les services cloud sont achetés par son intermédiaire. L'équipe s'est montrée exemplaire dès le départ, avec un support réactif et une expertise cloud pointue.
DoiT a mené une revue complète de la configuration Google Cloud de Pace Revenue et identifié d'importantes opportunités d'économies. La recommandation principale consistait à migrer les workloads des nœuds de compute on-demand vers des VM preemptible sur Google Kubernetes Engine. DoiT a montré à l'équipe comment réorganiser son architecture pour la rendre résiliente tout en tirant parti de ces instances à coût réduit, facturées à 20 % du tarif standard.
L'équipe de Pace Revenue a déployé toutes les évolutions d'infrastructure recommandées en moins d'une semaine. En remplaçant 80 % de ses nœuds on-demand par des VM preemptible, elle a divisé par deux sa facture de compute presque immédiatement. Cela représente une réduction de plus de 50 % des coûts de compute globaux avec un effort minimal, et libère des ressources pour renforcer les capacités de l'algorithme et sa fréquence d'exécution.
Au-delà des économies, Pace Revenue bénéficie d'un accès direct à des experts en cloud engineering fiables pour relever tous ses défis. Ce partenariat a permis à l'équipe de construire une nouvelle plateforme analytique propulsée par Google BigQuery, qui aide les opérateurs hôteliers à visualiser leurs données pour mieux décider. Avec l'accompagnement continu de DoiT, son équipe IT, à effectifs réduits, peut se concentrer sur l'innovation tout en restant à la pointe des technologies cloud.
Découvrez comment Cloud Intelligence™ aide les équipes à améliorer la visibilité, la gouvernance et l'unit economics de leurs environnements cloud.
“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.
