Une migration complexe d'IBM vers AWS, accélérée par DoiT
- 2
- Phases AWS MAP livrées : Assess, Mobilize, Modernize
- 40
- Serveurs migrés 1:1, topologie quatre niveaux préservée
- 2→1
- Régions IBM Cloud consolidées en un seul VPC AWS multi-AZ
Cette page est également disponible en English, Deutsch, Español, Italiano, 日本語 et Português.
BigQuery Lens de DoiT offre à ce studio de jeux mobiles une visibilité granulaire sur ses coûts et une optimisation au niveau de chaque requête sur Google Cloud.

Playgendary ne parvenait pas à obtenir facilement une vue granulaire de la répartition de ses coûts BigQuery. Pour une équipe de data engineers et d'analystes, analyser les données au niveau du job en SQL s'avérait bien trop chronophage. À cela s'ajoutaient des fluctuations de l'usage compute liées à des variables imprévisibles comme l'activité des joueurs ou la popularité des jeux, ce qui rendait l'achat de Committed Use Discounts particulièrement délicat.
Playgendary a tiré parti de BigQuery Lens de DoiT pour comprendre la répartition de ses coûts et identifier les pistes d'optimisation. L'équipe s'est appuyée sur les recommandations personnalisées pour supprimer les tables inutilisées, et sur la fonctionnalité Explorer pour repérer les requêtes les plus coûteuses sans écrire une ligne de SQL. Elle a également collaboré avec les cloud architects de DoiT pour optimiser les coûts de stockage et mettre en place un commitment on-demand sur ses workloads compute, générant des économies sur Compute Engine.
BigQuery est un composant critique de notre infrastructure cloud, mais comprendre comment l'exploiter au mieux n'avait rien d'évident. Sans BigQuery Lens, je n'aurais jamais obtenu de tels résultats sur l'optimisation des coûts. Pouvoir explorer facilement dans le détail l'usage BigQuery de mon équipe, avec en prime des recommandations personnalisées, a vraiment simplifié notre démarche d'optimisation.
Mikhail Artyugin, Director of Business Intelligence, Playgendary
Avec plus de 3 milliards de téléchargements et 250 millions de joueurs mensuels, Playgendary connaît bien les enjeux de l'acquisition utilisateurs. Google BigQuery est un pilier de sa stratégie : le studio s'en sert pour mesurer l'efficacité de ses campagnes marketing.
Playgendary multiplie les campagnes marketing pour générer des téléchargements et stimuler l'usage de ses jeux. Mikhail Artyugin dirige l'équipe BI, qui réalise des analyses de cohortes sur des critères variés (type d'appareil, date d'inscription, etc.), puis enrichit ces données avec les événements utilisateurs streamés dans BigQuery via Dataflow. BigQuery se montrait rapide et performant, mais Mikhail peinait à obtenir une vue fine de la répartition des coûts. Analyser les données au niveau du job en SQL était bien trop chronophage au quotidien.
Mikhail s'est appuyé sur BigQuery Lens pour comprendre la répartition des coûts et identifier les priorités d'optimisation. Les recommandations lui ont permis de repérer de grandes tables inutilisées, qu'il a supprimées. La fonctionnalité Explorer l'a aidé à identifier et optimiser les requêtes les plus coûteuses par table et par utilisateur, sans avoir à écrire lui-même la moindre requête. Une fois ces requêtes repérées, il a examiné leurs flux d'exécution dans la console BigQuery pour traquer les problèmes : JOINs mal construits, filtres prédicats manquants, etc.
Pour optimiser sa dépense Compute Engine, Playgendary a collaboré avec DoiT sur un commitment on-demand pour ses workloads compute. Résultat : 25 % de dépense Compute Engine en moins, sans sacrifier la flexibilité tarifaire on-demand ni alourdir la charge opérationnelle. Mieux encore, ces économies sont au rendez-vous sans avoir à anticiper le succès futur des nouveaux jeux.
Mikhail a échangé avec Rajan Bhave, Senior Cloud Architect chez DoiT, pour évaluer les avantages et les limites du nouveau Physical Storage de BigQuery, avant de conclure que la bascule serait rentable. Cette collaboration a permis à l'équipe de prendre des décisions éclairées sur l'optimisation du stockage, en cohérence avec ses objectifs globaux de réduction des coûts.
Découvrez comment Cloud Intelligence™ aide les équipes à gagner en visibilité, en gouvernance et en unit economics sur l'ensemble de leurs environnements cloud.
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
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
Let us show you what ships this week.