PerfectScalePerfectScale

Diese Seite ist auch in English, Español, Français, Italiano, 日本語 und Português verfügbar.

CattleEye senkt EC2-Kosten um über 60 % mit PerfectScale for Spot

Plattform zur Tierüberwachung skaliert das Geschäft – nicht die Kosten – dank autonomem Spot-Instance-Management

PerfectScale
CattleEye

The Challenge

Mit wachsendem Kundenstamm verdreifachten sich die AWS-Compute-Kosten von CattleEye. Die rechenintensiven Computer-Vision-Inferenz-Pipelines auf AWS Batch verarbeiten Videomaterial von über einer Million Kühen. Unregelmäßige Lastmuster machten Reserved Instances unpraktikabel, und die manuelle Nutzung von Spot stieß bei GPU-Instances an technische Grenzen.

The Solution

CattleEye hat PerfectScale for Spot eingeführt, um die Instance-Zusammensetzung in den Auto Scaling Groups automatisch zu steuern. Das ermöglicht den nahtlosen Umstieg auf Spot Instances für Batch-Workloads – mit intelligenten Instance-Empfehlungen für maximale Einsparungen.

Results

  • On-Demand-EC2-Kosten dank Spot Scaling um über 60 % gesenkt
  • 100 % der Batch-Verarbeitung auf AWS Spot Instances umgestellt
  • Neue Vertriebskanäle und zusätzliche Finanzierung über den AWS Foundational Technical Review erschlossen

Wir nutzen Spot Scaling für unsere Batch-Verarbeitung und sparen dank der Instance-Empfehlungen 50 bis 60 % gegenüber On-Demand. Das Onboarding war einfach und intuitiv.

Mike McFarland, Lead Software Engineer

Die Herausforderung

CattleEye setzt Computer-Vision-Technologie ein, um Kühe zu überwachen und Aufnahmen von über einer Million Tieren auszuwerten. Die Echtzeit-Analyse erfordert rechenintensive Inferenz-Pipelines auf AWS Batch. Mit dem wachsenden Kundenstamm verdreifachten sich die AWS-Compute-Kosten innerhalb weniger Monate. Die Videos treffen je Betrieb in definierten Zeitfenstern als Batches ein – ein unregelmäßiges Lastmuster, bei dem sich Savings Plans oder Reserved Instances nicht rechnen. Die manuelle Nutzung von Spot stieß insbesondere bei den für Inferenz-Workloads benötigten GPU-Instances an technische Grenzen.

Die Lösung

CattleEye hat PerfectScale for Spot eingeführt, um die Instance-Zusammensetzung in den Auto Scaling Groups automatisch zu steuern. Damit gelang der nahtlose Übergang von 100 % On-Demand zu 100 % Spot Instances für die Batch-Verarbeitung. PerfectScale liefert intelligente Instance-Empfehlungen, die die bisherigen technischen Hürden überwinden – ohne Abstriche bei der Performance der Computer-Vision-Workloads.

Ergebnisse der Kostenoptimierung

Die Umsetzung brachte sofortige Einsparungen. CattleEye senkte die On-Demand-EC2-Kosten um über 60 % und stellte zugleich die gesamte Batch-Verarbeitung auf Spot Instances um. Das automatisierte Instance-Management erspart dem Team die zeitaufwendige Recherche, die zuvor nötig war, um passende Spot Instances für die GPU-intensiven Workloads zu finden.

Auswirkungen auf das Geschäft

Mit den Kosten im Griff absolvierte CattleEye erfolgreich den AWS Foundational Technical Review und erhielt Zugang zum AWS ISV Accelerate Program. Das eröffnete neue Vertriebskanäle, sicherte zusätzliche Mittel für Deployments und schafft mit dem Siegel "Reviewed by AWS" zusätzliche Glaubwürdigkeit. Dank der Kostenoptimierung kann das Startup seine Ressourcen auf die Produktentwicklung konzentrieren – statt auf das Infrastrukturmanagement.

So steigert PerfectScale die Effizienz von Kubernetes

Sehen Sie, wie PerfectScale Teams beim Right-Sizing von Clustern unterstützt, Waste removal ermöglicht und die Performance verbessert – ganz ohne manuelles Feintuning.

More customer stories

PicnicAI

PicnicAI automatisiert 85–90 % der Kubernetes-Workloads – und gewinnt Zuverlässigkeit mit PerfectScale by DoiT

85–90%
der Anwendungs-Workloads jetzt durch automatisiertes Resizing abgedeckt
50%
weniger Zeitaufwand des Infrastruktur-Teams für Infrastruktur (ca.)
Stefanini

26 % weniger Kubernetes-Compute-Kosten: Stefanini optimiert mit PerfectScale by DoiT

26%
Weniger Kubernetes-Compute-Kosten
>60%
Geringere Infrastrukturkosten im letzten Jahr
OneFootball

Kubernetes-Optimierung im Takt des Weltfußballs

25%
weniger Kosten für die Kubernetes-Infrastruktur
80%
weniger Engineering-Aufwand für Kubernetes-Kostenoptimierung und Resilienz-Tuning
Luma Health

Luma Health senkt EKS-Kosten um 40 % und gewinnt jährlich Tausende Engineering-Stunden zurück

90%
Weniger Zeit für manuelles Kubernetes-Right-Sizing
40%
Weniger Amazon-EKS-Kosten
+1,700h/year
Engineering-Stunden für Zuverlässigkeit und Performance
PlayHQ

PlayHQ optimiert Kubernetes-Kosten im Multi-Tenant-Betrieb

40%
Reduzierung der Non-Production-Kubernetes-Kosten
40%
Reduzierung der Non-Production-K8s-Kosten
20%
Reduzierung der Production-K8s-Kosten
SNCF

Wie SNCF Kubernetes-Waste reduzierte und die Zuverlässigkeit im großen Maßstab steigerte

30%
Mehr Workloads bei gleichbleibenden Kosten
~€500K
Geschätzte jährliche Einsparungen
250
Optimierte Cluster
NOS

NOS halbiert Kubernetes-Kosten und gewinnt Vertrauen in Optimierung zurück

50%
Kostensenkung
50%
Kostensenkung auf dem größten Cluster
0%
Ungenutzte Ressourcen auf zentralen Node-Pools
K1x

K1x senkt Cloud-Kosten drastisch und vereinfacht den Kubernetes-Betrieb

Thousands
Ersparnis pro Monat
Thousands
Monatliche Ersparnis bei den Cloud-Kosten
<10%
Ressourcenauslastung überdimensionierter Nodes vor der Optimierung