Cette page est également disponible en English, Deutsch, Español, Italiano, 日本語 et Português.
La technologie DoiT et PerfectScale for Spot aident HackerRank à optimiser son infrastructure AWS et à accélérer ses cycles de release
Face à la croissance rapide de sa base d'utilisateurs, l'équipe engineering de HackerRank devait gagner en productivité sans faire exploser les coûts de son infrastructure AWS. Principal écueil : les interruptions de service liées aux lourdeurs du pipeline, source de frustration pour les Engineers comme pour les clients. Le pipeline de release en place générait des délais et allongeait les cycles, au prix d'importantes pertes d'efficacité.
DoiT a préconisé une approche en plusieurs étapes : optimiser le temps de démarrage des conteneurs Docker, paralléliser l'exécution des tests unitaires et migrer le serveur de build vers Amazon ECS avec AWS Fargate. L'équipe FinOps a déployé PerfectScale for Spot pour optimiser les Auto Scaling groups des environnements non-production, permettant d'adopter sereinement les Spot Instances avec un repli sur l'on-demand en cas de besoin.
À mesure que notre base d'utilisateurs grandissait, notre infrastructure AWS engendrait des coûts supplémentaires et des interruptions pénibles. Le conseil et la technologie d'optimisation des coûts de DoiT ont été précieux : ils ont rapidement identifié les causes racines et proposé une approche en plusieurs étapes pour réduire nos interruptions, baisser nos dépenses EC2 de 24 % et diminuer de près de 50 % nos dépenses EC2 on-demand sur les ASG non-production.
Vinay Aggarwal, Senior Software Engineer
Fondée en Californie en 2012, HackerRank permet à plus de 3 000 entreprises dans le monde de recruter des développeurs qualifiés. Sa plateforme propriétaire offre aux employeurs un moyen d'évaluer les compétences en programmation des candidats via des défis de code, des évaluations et des revues techniques. Elle aide les recruteurs tech et les hiring managers à apprécier objectivement les talents à chaque étape du processus de recrutement. HackerRank propose également une plateforme communautaire où les développeurs peuvent partager leurs connaissances, mettre en avant leurs compétences, résoudre des défis de code, participer à des concours et collaborer avec d'autres développeurs du monde entier.
DoiT a constaté que le pipeline de release de HackerRank introduisait des délais et allongeait les cycles. La solution a consisté à optimiser le temps de démarrage des conteneurs Docker, à fournir des exemples de code et de la documentation pour un proof of concept, à paralléliser les tests unitaires et à migrer le serveur de build vers Amazon Elastic Container Service avec AWS Fargate. Cette approche apporte davantage d'élasticité et réduit la maintenance, tout en fluidifiant l'ensemble du processus de build et de release.
L'équipe FinOps de DoiT a déployé PerfectScale for Spot pour optimiser les Auto Scaling groups qui orchestrent les worker nodes EKS dans les environnements non-production. S'appuyant sur le machine learning, la technologie surveille en continu la consommation cloud afin d'identifier la capacité de calcul non couverte par les commitments existants. PerfectScale for Spot a formulé des recommandations conformes aux meilleures pratiques pour la configuration des ASG, en prenant en charge davantage de types d'instances aux caractéristiques similaires et en intégrant un mécanisme de repli sur l'on-demand lorsque la capacité Spot est insuffisante.
Le projet de modernisation du pipeline permet désormais à HackerRank de livrer plus fréquemment de petites évolutions avec davantage d'agilité, dans la logique de livraison incrémentale propre à l'Agile. Résultat : un service plus rapide et plus fiable pour les clients. Côté coûts, l'optimisation s'est traduite par une baisse de 24 % des dépenses EC2 on-demand et une réduction de près de 50 % des dépenses EC2 on-demand sur les ASG non-production, soit plusieurs milliers de dollars économisés sans effort ni risque supplémentaire.
Découvrez comment PerfectScale aide les équipes à right-sizer leurs clusters, à éliminer le gaspillage et à améliorer les performances sans réglage manuel.
