Jupiter fecha uma lacuna de 20% a 40% na visibilidade dos gastos de infraestrutura com a DoiT
- 26
- Fornecedores com dados ingeridos
- From 60% to 100%
- Cobertura de dados
Esta página também está disponível em English, Deutsch, Español, Français, Italiano e 日本語.
A DoiT conduz a migração para BigQuery, Dataflow e GKE, eliminando gargalos e viabilizando analytics em tempo real nos apps de criação da Lightricks.

O sistema híbrido original da Lightricks não dava conta da demanda crescente nem das necessidades cada vez mais complexas de machine learning e analytics. A infraestrutura criava gargalos em momentos críticos do negócio: os uploads de dados batiam no teto e os clusters caíam justamente em rodadas de captação e picos de uso.
A Lightricks migrou para o Google Cloud, apoiando-se em BigQuery e Dataflow para ingestão e análise automatizadas de dados. O time adotou o Google Kubernetes Engine para a infraestrutura conteinerizada e o Vertex AI para os modelos de machine learning. A DoiT International ofereceu suporte arquitetural contínuo e expertise na solução de problemas.
Quando quisemos, por exemplo, criar um cluster no GKE e conectá-lo aos nossos sistemas de machine learning, a DoiT garantiu que os data lakes que usamos para pesquisa e nossa computação on-premises ficassem sincronizados. Temos uma estrutura sofisticada de machine learning, e a DoiT oferece suporte contínuo em tudo, da arquitetura à solução de problemas.
Ofir Bibi, VP de Pesquisa, Lightricks
A Lightricks conquistou rapidamente o mercado com apps como Facetune, Videoleap e Photoleap. Mas o crescimento acelerado expôs os limites da infraestrutura híbrida (nuvem e on-premises). O sistema não acompanhava a demanda por GPU e não suportava requisitos cada vez mais complexos de machine learning e analytics. Falhas críticas aconteciam em rodadas de captação e picos de uso, criando uma necessidade urgente de uma plataforma mais robusta.
BigQuery e Dataflow se tornaram a base da transformação da plataforma de dados da Lightricks. Hoje, a empresa ingere cerca de 10.000 eventos por segundo — um bilhão de eventos por dia. O autoscale do Dataflow acabou com os gargalos anteriores, em que os uploads de dados esbarravam no limite do sistema. Essa automação viabiliza business intelligence em tempo real, permitindo que os times otimizem campanhas de mídia sobre terabytes de dados e impactem na hora usuários vindos de campanhas de marketing bem-sucedidas.
O Google Kubernetes Engine reduziu drasticamente a complexidade de infraestrutura para o time enxuto de engenharia da Lightricks. Em poucas semanas, alguns engenheiros e profissionais de DevOps colocaram de pé uma infraestrutura Kubernetes funcional — algo impossível com o sistema anterior. A separação entre armazenamento e computação eliminou os obstáculos que antes travavam o desenvolvimento, liberando os times para focar em gerar valor para o negócio em vez de manter sistemas.
O Google Cloud resolveu os desafios de disponibilidade de computação da Lightricks para workloads de machine learning. O time saiu do treinamento experimental em nuvem, lá em 2014, para uma plataforma robusta, com recursos de computação disponíveis sob demanda. Hoje, os times de marketing, otimização de produto e motor de recomendação criam modelos de machine learning no Compute Engine, e a migração para o Vertex AI viabiliza um escalonamento ainda mais rápido para sistemas de recomendação e otimização da interação com o usuário.
Os recursos de integração do Google Cloud permitem que a Lightricks se conecte com segurança a serviços de terceiros como Cloudinary e Elasticsearch. A plataforma faz o encaminhamento seguro de tráfego para fora das redes privadas, sem expor os sistemas à Internet pública. Essa estrutura de segurança apoia o desenvolvimento de backend da Lightricks, que constrói serviços sobre tecnologias open-source sem abrir mão de uma proteção sólida.
A Lightricks planeja uma grande expansão dos serviços de backend em 2022, incluindo perfis compartilhados entre apps e funcionalidades de upload de mídia. Esse crescimento vai gerar ainda mais dados e exigir modelos de machine learning mais avançados. Com o apoio do Google Cloud, a empresa escala rápido e com bom custo enquanto desenvolve sua plataforma para criadores e mantém serviços de criação de conteúdo de ponta.
Descubra como a Cloud Intelligence™ ajuda os times a ganhar visibilidade, governança e melhores unit economics em ambientes de nuvem.
On integrating DataHub, the DoiT team was very hands-on to the point where DoiT support put together the first ingestion script and pipeline to unlock us.
Kyle Espinola, Head of Platform Engineering
“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
Let us show you what ships this week.