Comment Trax a réduit de 75 % ses dépenses Kubernetes avec PerfectScale

PerfectScale a apporté une visibilité en temps réel, au niveau de chaque workload, sur l'environnement de plus de 200 microservices de Trax. L'intelligence guidée par l'IA a permis une optimisation sûre, appuyée par des données concrètes, tout en protégeant les SLO. La plateforme a remplacé un outil FinOps peu performant et fourni des détails granulaires sur les coûts ainsi que des recommandations directement actionnables.

La mission de Trax est de permettre aux marques et aux retailers d'exploiter la puissance des technologies digitales pour offrir la meilleure expérience d'achat à leurs clients. Ses innovations de référence et son excellence dans le développement de technologies avancées et de méthodes autonomes de collecte de données contribuent à des expériences shopper positives et ouvrent de nouvelles opportunités de revenus à chaque point de vente. Le portfolio de solutions de Trax fournit des métriques, des analyses et des services critiques qui aident ses clients à gagner du temps et de l'argent en améliorant leur expérience d'achat. Kubernetes est un composant clé de son infrastructure, lui permettant d'innover en continu tout en offrant la scalabilité nécessaire pour absorber la demande. Trax est devenu un environnement multicloud et multi-cluster à grande échelle, accompagnant des clients dans plus de 90 pays, dont certaines des plus grandes entreprises mondiales.

En début d'année, le Chief Financial Officer (CFO) a fixé à l'ensemble de l'organisation des objectifs ambitieux d'efficacité et d'unit economics. Pour Mark Serdze, Director of Cloud Infrastructure, et son équipe, cela signifiait passer rapidement à l'action pour optimiser leurs coûts cloud. Trax a obtenu des résultats rapides en dehors de Kubernetes, mais s'est heurté à des obstacles pour optimiser ses clusters à grande échelle en toute sécurité. L'équipe a commencé par optimiser manuellement à partir des métriques disponibles, en s'appuyant sur le Vertical Pod Autoscaler (VPA), les logs des clusters et des solutions de monitoring. Cette approche manquait de clarté et passait difficilement à l'échelle sans efforts de développement conséquents. L'équipe se retrouvait à mener des actions ponctuelles et réactives, avec un impact minime sur les objectifs. L'outillage existant de Trax ajoutait également des frictions au processus d'optimisation. Même lorsque les Engineers identifiaient des opportunités, le processus de validation reposait sur l'intuition plutôt que sur des données concrètes. Faute de visibilité, certaines erreurs ont entraîné une charge supplémentaire pour les Engineers, créé des tensions internes et introduit des risques susceptibles de compromettre la résilience des services.

Peu après le déploiement de PerfectScale by DoiT, l'équipe a obtenu la visibilité en temps réel, au niveau de chaque workload, qui lui manquait. Sur l'environnement de plus de 200 microservices de Trax, elle disposait d'une vision claire des ressources nécessaires à chaque service et identifiait les opportunités les plus significatives pour éliminer le gaspillage sans compromettre les performances. L'intelligence guidée par l'IA de la plateforme a permis à l'équipe d'agir en toute sécurité, en s'appuyant sur des données concrètes, et d'améliorer rapidement l'unit economics. En évaluant les arbitrages entre efficacité et résilience, elle a pu ajuster les ressources de façon sûre et efficace tout en protégeant les SLO. Les recommandations d'optimisation des coûts ont été déterminantes : elles indiquaient les actions à entreprendre avec une vision claire de l'impact de chaque changement. Sur l'un de ses clusters, l'équipe a réduit les coûts de 75 %, soit plus de cent mille dollars d'économies par an. Trax a également été impressionné par la richesse des données et de l'intelligence fournies par la solution sur l'ensemble de son environnement. Cette mise en place a permis de moderniser son outillage de visibilité sur les coûts sans impacter son budget.

Après avoir éliminé les ressources gaspillées, Trax s'est concentré sur de nouvelles opportunités d'amélioration de l'efficacité et de l'unit economics. L'équipe a exploré en profondeur les données de PerfectScale, à la recherche de leviers pour agir significativement sur ses indicateurs business liés aux coûts. Un indicateur clé pour Trax est le coût par traitement, fortement influencé par l'efficacité de son environnement Kubernetes. PerfectScale propose une fonctionnalité unique qui regroupe toutes les répliques d'un service dans une vue consolidée, offrant une image claire des tendances d'utilisation sur l'ensemble des répliques — particulièrement utile pour les workloads éphémères comme les jobs Spark ou Flink. Trax a exploité cette capacité pour mieux comprendre l'utilisation hétérogène des répliques sur plusieurs de ses services les plus sollicités. Ce niveau de visibilité a permis à Trax de réarchitecturer ses services et de générer des gains d'efficacité supplémentaires sans impacter la résilience ni la disponibilité. L'équipe a pu créer plusieurs variantes d'un même service avec différents niveaux de ressources, puis router les requêtes entrantes vers le service approprié selon la taille des données. L'impact sur l'indicateur de coût par traitement a été majeur. PerfectScale a fait remonter ces données instantanément ; sans la plateforme, l'équipe aurait passé des heures interminables à évaluer des centaines de répliques pour obtenir les mêmes résultats.