Los desarrolladores de proteanTecs construían sus microservicios y definían sus propios requests y límites de recursos, pero tendían a asignarlos de manera conservadora para garantizar la disponibilidad y la estabilidad. Esto mantenía los sistemas funcionando sin problemas, pero resultaba ineficiente en términos de costos. Herramientas existentes como DataDog ofrecían visibilidad sobre los requests y los límites, pero no aportaban la información necesaria para determinar qué recursos requerían realmente los microservicios. Optimizar manualmente más de 30 clústeres de Kubernetes en AWS, Azure y Google Cloud habría sido complejo y habría consumido demasiado tiempo.
proteanTecs implementó PerfectScale by DoiT, que compara los recursos asignados con la utilización real de cada servicio para identificar el sobreaprovisionamiento y proponer acciones seguras y concretas que reducen costos. El equipo lo desplegó primero en un entorno de desarrollo y luego lo extendió a producción, usando el "nivel de resiliencia" ajustable de PerfectScale para dar margen adicional a los servicios críticos y garantizar la estabilidad. PerfectScale también reveló servicios subaprovisionados que sufrían throttling, OOM kills y reinicios de contenedores que las herramientas de monitoreo existentes no habían detectado.
Nuestro entorno de desarrollo nos costaba alrededor de $10K al mes. Al implementar las recomendaciones de PerfectScale, logramos bajar el costo a $5K sin comprometer la estabilidad del entorno.
Amit Daniel, Director de DevOps, proteanTecs
proteanTecs tiene la misión de permitir que la industria electrónica escale. Su plataforma en la nube combina datos de telemetría profunda con machine learning para monitorear la salud y el rendimiento de chips avanzados, transformando la manera en que se logra la confiabilidad de los dispositivos electrónicos. Las soluciones de proteanTecs son un componente crítico para clientes clave de las industrias de semiconductores, centros de datos y automotriz, lo que exige una infraestructura de aplicaciones estable, escalable y de alta disponibilidad. Para cumplir con estas exigencias, proteanTecs ejecuta toda su plataforma sobre Kubernetes, con más de 30 clústeres distribuidos entre AWS, Azure y Google Cloud.
A medida que proteanTecs crecía tanto en funcionalidad como en adopción por parte de los usuarios finales, el enfoque inicial en la estabilidad y la disponibilidad dio paso a una nueva preocupación: recursos mal optimizados que inflaban la factura de la nube. "Nuestro equipo de desarrollo construye sus microservicios y elige sus propios requests y límites de recursos", explicó Amit Daniel, Director de DevOps en proteanTecs. "Sin embargo, los desarrolladores tendían a asignar recursos de manera conservadora para asegurarse de que sus servicios funcionaran como se esperaba. Este enfoque mantenía nuestros sistemas disponibles y estables, pero era ineficiente en términos de costos". El equipo de DevOps recibió la tarea de optimizar el entorno de K8s, pero sus herramientas existentes tenían vacíos importantes. "Con herramientas como DataDog podemos ver lo que queramos: requests, límites, etc., pero solo nos dan visibilidad. Necesitábamos entender mejor qué recursos necesitan nuestros microservicios para funcionar correctamente", comentó Daniel.
Tras conocer PerfectScale by DoiT, el equipo de proteanTecs lo desplegó en un entorno de desarrollo y de inmediato comenzó a identificar oportunidades de optimización. "Nuestro entorno de desarrollo nos costaba alrededor de $10K al mes", cuenta Daniel. "Al implementar las recomendaciones de PerfectScale, logramos bajar el costo a $5K sin comprometer la estabilidad del entorno". Al extender la solución a producción, el equipo aprovechó el "nivel de resiliencia" ajustable de PerfectScale para otorgar margen adicional a los servicios críticos, garantizando que los esfuerzos de optimización de costos no afectaran el rendimiento del sistema.
Más allá del ahorro, PerfectScale reveló problemas de confiabilidad que habían pasado desapercibidos. "Encontramos throttling, OOM y reinicios de contenedores que no sabíamos que estaban ocurriendo. Muchos problemas no activaban alertas en nuestro sistema de monitoreo. Además, si no capturábamos las métricas correctas, determinar la causa raíz de algo como una fuga de memoria era complicado y tomaba mucho tiempo", cuenta Daniel. "PerfectScale identifica los problemas al instante y nos muestra cómo resolverlos rápidamente. Como resultado, vemos que nuestra plataforma rinde mejor, lo que nos ayuda a brindarles una mejor experiencia a nuestros clientes".
El equipo de DevOps lidera actualmente los esfuerzos de optimización, pero planea extender la responsabilidad a los desarrolladores. "Tengo PerfectScale abierto en mi navegador en todo momento, pero después de completar la fase inicial de optimización de costos, planeamos ampliar el alcance a nuestros desarrolladores", dice Daniel. El objetivo es integrar la conciencia de costos y la responsabilidad en todo el equipo de Engineering, con la expectativa de que los desarrolladores evalúen la rentabilidad de sus servicios después de cada release y despliegue. "A medida que seguimos incorporando innovaciones a nuestra aplicación y crece la base de clientes, queremos asegurarnos de que nuestro entorno crezca de la forma más eficiente posible", afirma Daniel. "PerfectScale será una solución esencial para ayudarnos a mantener nuestro entorno estable y rentable".
Explora cómo PerfectScale ayuda a los equipos a hacer right-sizing de sus clústeres, eliminar la pérdida y mejorar el rendimiento sin ajustes manuales.
