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 DoiT Cloud Intelligence aide les équipes à améliorer la visibilité, la gouvernance et l'unit economics de leurs environnements cloud.
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
PerfectScale by DoiT has become an important part of how we optimize Kubernetes at scale at OneFootball. It gives our platform team the visibility, automation, resiliency insights, and confidence we need to balance cost efficiency with production readiness, especially as we prepare for major global football moments like the 2026 FIFA World Cup.
Andrea Benfatto, Platform/Cloud Runtime Engineering Manager
Cloudflow's new RDS End of Life alerts have allowed us to be more proactive on keeping our database instances up-to-date. The new solution gives us internal visibility ahead of time so that we can prepare for upgrades, instead of having to upgrade under pressure while incurring extended support costs.
Jon Fairbanks, Site Reliability Engineering Manager
PerfectScale cut 40% off our total EKS spend, and the automations handle what used to take our team 20 hours a month. Now we spend that time on reliability and performance instead of chasing cost metrics.
Caio Cristo, Director of Infrastructure/SRE
What I really like about DoiT's approach is that you're very hands-on and proactive. Satyam would ping me a few times a sprint, letting me know about the most current features, checking in on how things are going. When we are going through a peak time, that proactiveness makes a real difference. Satyam always comes through whenever we need support and helps us leverage the right experts to get us where we need to be.
Chiamaka Ibeme, Engineering Manager, Platform
SELECT has made important cost data readily accessible. I will often pull it up during engineering design reviews so we can quickly evaluate cost impact and projections and factor that into our design decisions.
Douglas Zickuhr, Senior Data Platform Engineer at Personio
I love clicking through SELECT to understand how our environment and workloads are evolving. I probably check it every day. It's coffee and SELECT for me every morning.
Ian Fahey, Senior Analytics Engineer at Loop
You guys have the best UI experience that I've had of any software. It's like you just read my mind where, like, oh, I wish I could click there. Oh, I can
Diana Koshy, Sr. Director of Data Engineering at Kargo
SELECT feels like exactly what Paul and I would have built if we had locked ourselves in a room for 18 months to create our ideal monitoring solution.
Devin McGee, Data Engineering Lead at Home Chef
SELECT dramatically lowers the cognitive load to understanding Snowflake costs. I'm able to sit there and easily understand what's driving the cost. Not to blow smoke up your ass, but it's just so easy to do in your platform
Blake Baggett, Head of Data Operations at Entain
One of the most helpful cost rituals we've setup from SELECT is the weekly spend digest sent to Slack. I can start high level and ensure things are in check. If not, I can very quickly drill down into specific workloads which may have driven the cost spike and remediate them before they become a bigger issue.
Michael Revelo, Manager of data and analytics engineering at ClickUp
Through SELECT's automated savings feature and deep cost visibility, we were able to instantly lower our Snowflake spend by over 40% and achieve a 20X ROI on our SELECT investment.
Skyler Chi, SVP, GTM Productivity & Excellence at Exiger
Our costs had jumped up 3X as we scaled, so we're talking about 60% savings in Snowflake spend after adopting SELECT.
Edward Mancey, GTM Lead at Synthesia
Let us show you what ships this week.
