Raycatch rencontrait plusieurs problèmes de performance avec son précédent fournisseur cloud : interruptions de service, mauvais support de Docker et difficultés de connectivité disque. Son système complexe d'analyse de données d'actifs solaires devait traiter des volumes massifs de données par cycles de 24 heures, mais les limites de son infrastructure freinaient sa capacité à monter en charge et à servir davantage de clients.
Raycatch a migré vers Google Cloud selon une approche lift-and-shift, en s'appuyant sur son infrastructure dockerisée. L'entreprise a déployé Google Compute Engine avec autoscaling et load balancing pour absorber les pics de charge lors des analyses nocturnes. Cloud Bigtable sert de base de données NoSQL pour stocker et traiter les données des capteurs d'actifs solaires issues de milliers d'appareils IoT.
Cela n'a pris qu'un jour ou deux, car nous avons bénéficié d'un excellent accompagnement de DoiT. Leurs équipes ont examiné notre architecture existante et nous ont aidés à anticiper les obstacles, ce qui a rendu la migration quasiment sans accroc.
Haggai Hofland, CEO, Raycatch
Dans un secteur de l'énergie verte en pleine expansion, Raycatch, basée à Tel-Aviv, a développé le logiciel DeepSolar™ pour fournir aux propriétaires d'actifs solaires les analyses de données nécessaires à l'optimisation de leurs centrales photovoltaïques. Fondée en 2015, l'entreprise collabore avec de grands acteurs européens de l'énergie comme Arava Power, RTR, EDF et Enlight, et étend ses activités en Chine, en Inde et sur d'autres marchés. Raycatch analyse les flux de données existants des actifs solaires sans installer de nouveau matériel, en s'appuyant sur des algorithmes sophistiqués pour fournir à ses clients des recommandations concrètes au quotidien.
Le système complexe de Raycatch collecte, normalise et analyse les données d'actifs solaires toutes les 24 heures. Avec son précédent fournisseur cloud, l'entreprise se heurtait à d'importants problèmes de performance : interruptions de service et support insuffisant de Docker. Les disques ne se déconnectaient pas correctement, et des redémarrages manuels du data center s'imposaient parfois. Ces limites d'infrastructure empêchaient Raycatch de faire évoluer ses capacités de traitement et de servir efficacement davantage de clients.
Raycatch a migré vers Google Cloud selon une approche lift-and-shift, en s'appuyant sur son infrastructure dockerisée. La migration n'a pris qu'un à deux jours grâce à l'accompagnement de DoiT International. Les équipes ont déployé Google Compute Engine avec autoscaling et Cloud Load Balancing pour absorber les pics de traitement nocturnes. Cloud Bigtable sert de base de données NoSQL pour stocker les données entrantes issues de milliers de capteurs d'actifs solaires et exécuter des calculs sophistiqués. La flexibilité de Compute Engine permet à Raycatch de provisionner des VM de tailles variées et des types de machines personnalisés selon ses besoins.
Raycatch s'appuie sur l'intelligence artificielle pour atteindre le niveau d'efficacité qu'imposent ses cycles d'analyse quotidiens. Un actif solaire peut compter jusqu'à 10 000 capteurs mesurant l'humidité, la température et d'autres variables. Chaque capteur doit être identifié et étiqueté, un processus que Raycatch a automatisé pour gagner en rapidité et en précision. Cloud Bigtable stocke les résultats des algorithmes de phase 1 et accélère la récupération des données pour la phase 2, levant ainsi les anciennes limites sur les volumes traités.
La migration vers Google Cloud a généré des gains majeurs, tant en performance qu'en coûts. Le temps d'analyse est passé de trois jours à moins de cinq heures, permettant d'obtenir des rapports complets dans des cycles de 24 heures. Les heures de travail consacrées à la supervision des analyses simples ont été divisées par 60, libérant l'équipe IT pour se concentrer sur l'optimisation. Les coûts d'infrastructure ont chuté d'au moins 80 % par rapport au précédent fournisseur, tandis que la stabilité et la flexibilité du système ont nettement progressé.
Raycatch prévoit de poursuivre le développement de l'automatisation par IA et l'élargissement de son portefeuille clients. Google Cloud ayant levé les goulots d'étranglement liés à l'infrastructure, son IA peut désormais traiter l'ensemble des données via des analyses parallélisées. L'entreprise peut ainsi accueillir davantage de clients et de projets tout en restant agile et en s'adaptant intelligemment à sa croissance. Cette infrastructure renforcée bénéficie également à ses capacités de service et de développement produit.
Découvrez comment Cloud Intelligence™ aide les équipes à améliorer la visibilité, la gouvernance et l'unit economics sur l'ensemble 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.
