HackMD
AI Scale: presentation
Who we are?
@wbIzkZjwT4mgAaBVW6Hfag make 1-2 slides
Команда инжеров с опытом
- 10+ лет опыта в cloud adoption
- from start-up to enterprice
- давно работает вместе
Mission
- Go green / eco
- Оптимизация костов
- Flexible (гибко реагировать на изменяющиеся обстоятельства)
Решение, что позволит многим компаниями лучше реагировать на изменяющиеся обстоятельства.
Это актуально для 3 групп компаний: cloud, on-prem, hybrid
Cases
Cloud subscription fee use case
How can AI Autoscaler help the customer reduce Cloud Subscription charges.
- Помогает сократить число одновременно-работающих инстансов за счет более оптимального и предсказуемого auto-scale
- Рекомендаций оптимизации на уровне архитектуры / выбора типа инстансов для более оптимального распределения ресурсов
- Поиск неиспользуемых/простаивающих ресурсов
- Использования spot-instances для допустимых типов нагрузок
What alternatives methods exist?
Why is AI Autoscaler different?
- В отличии от spot.io мы не только используем spot-инстансы, но и скалируем приложения, не оставляя большого запаса простаивающих инстансов (в то время, как более оперативно добавляем недостающие ресурсы в случае надобности)
Examples
- Marketplace + marketing activity (promo)
- Video Streaming Platforms (like Netflix, sport video translations)
- Sportbetting
Pains
- Revenue loss / missed revenues
- Loss of customer trust / loyalty
Current solution / Alternative
Использовать большой запас мощностей, что несет дополнительные издержки
AI Scale way
Использовать технологию AI Scale для решения тех же проблем с выдерживанием нагрузки, но используя меньший объем ресурсов,
что позволяет экономить ресурсы и иметь более экологичную инфраструктуру.
On-prem
Оборудование 3+ лет давности имеет более значительный carbon footprint и более высокое энергопотребление при меньше эффективности.
Часть задач в on-prem мы выносим в облако (при возможности на избыточные (spot) ресурс), тем самым уменьшая carbon footprint и разрывая границы
масштабирования.
Что такое эффективный скейлинг?
- Predict traffic for pro-active scale
- Optimal size of cluster for current load (optional)
TODO: add charts
- without AI scale
- with AI scale
On prem charges use case
How can AI Autoscaler minimise and optimise DC charges in a Hybrid scenario.
What alternatives methods exist?
Why is AI Autoscaler different?
Katen только анализирует и дает рекомендации по оптимизации ресурсов.
Наш же продукт применяет проактивные меры, чтобы проблема в принципе не возникла, а ресурсы использвались эффективно.
Как on-prem, так и внешние, cloud ресурсы.
Cloud Migration use case
How can AI Autoscaler accelerate the customers cloud migration programme?
Многие опасаются миграции из-за невозможности вынести чувствительные данные за пределы собственного периметра.
Мы понимаем и принимаем такую позицию, потому разделяем данные на Black data и White data.
Далее строим гибридные системы, которые при необходимости могут использовать внешние мощности.
И распределяем нагрузки так, что в Cloud-часть окружения выносится только White data.
Таким образом мы получаем привелегии Cloud-технологий, но не нарушаем безопасность.
What alternatives methods exist?
Why is AI Autoscaler different?
