Cette page est également disponible en English, Deutsch, Español, Italiano, 日本語 et Português.
Une plateforme de surveillance du bétail qui développe son activité sans faire exploser ses coûts, grâce à la gestion autonome des instances Spot
Les coûts de calcul AWS de CattleEye ont triplé à mesure que sa base clients s'élargissait. Ses pipelines d'inférence en vision par ordinateur, particulièrement gourmands en calcul, tournaient sur AWS Batch pour analyser les vidéos de plus d'un million de vaches. Avec une demande irrégulière, les Reserved Instances n'étaient pas viables, et l'adoption manuelle des instances Spot se heurtait à des contraintes techniques sur les instances GPU.
CattleEye a déployé PerfectScale for Spot pour gérer automatiquement la composition des instances de ses Auto Scaling Groups. La solution a permis une adoption fluide des instances Spot pour les workloads de batch processing, tout en proposant des recommandations d'instances intelligentes pour maximiser les économies.
Nous utilisons Spot Scaling pour notre batch processing et nous avons économisé entre 50 % et 60 % par rapport à l'on-demand grâce aux recommandations d'instances de Spot Scaling. La prise en main a été simple et intuitive.
Mike McFarland, Lead Software Engineer
CattleEye applique la vision par ordinateur à la surveillance des bovins et analyse les images de plus d'un million d'animaux. Son analyse en temps réel repose sur des pipelines d'inférence intensifs en calcul, exécutés sur AWS Batch. À mesure que sa base clients s'élargissait, les coûts de calcul AWS ont triplé en quelques mois. Les vidéos arrivent par lots, sur des plages horaires définies pour chaque exploitation, ce qui crée une demande irrégulière rendant l'achat de Savings Plans ou de Reserved Instances inadapté. L'adoption manuelle des instances Spot se heurtait à des contraintes techniques, en particulier pour les instances GPU nécessaires aux workloads d'inférence.
CattleEye a déployé PerfectScale for Spot pour gérer automatiquement la composition des instances de ses Auto Scaling Groups. La solution a permis une transition fluide d'un parc 100 % on-demand vers 100 % Spot pour le batch processing. PerfectScale a fourni des recommandations d'instances intelligentes qui ont levé les contraintes techniques rencontrées jusque-là, tout en respectant les exigences de performance des workloads de vision par ordinateur.
La mise en œuvre a généré des économies immédiates. CattleEye a réduit ses coûts EC2 on-demand de plus de 60 % et basculé l'intégralité de son batch processing sur des instances Spot. La gestion automatisée des instances a supprimé le travail de recherche fastidieux nécessaire jusque-là pour identifier les instances Spot adaptées à ses workloads GPU.
Avec des coûts maîtrisés, CattleEye a validé son AWS Foundational Technical Review et accédé à l'AWS ISV Accelerate Program. Cette reconnaissance a ouvert de nouveaux canaux de vente, débloqué des financements supplémentaires pour les déploiements et renforcé la crédibilité de l'entreprise avec le badge Reviewed by AWS. L'optimisation des coûts a permis à la startup de concentrer ses ressources sur le développement produit plutôt que sur la gestion de l'infrastructure.
Voyez comment PerfectScale aide les équipes à right-sizer leurs clusters, à réduire le gaspillage et à améliorer les performances, sans réglages manuels.
