Réaliser l'audit de l'infrastructure cloud avec Google Cloud Platform

MADGIC
HPC Industrie & Services
Publié le 01 septembre 2022

Le contexte

MADGIC est une plateforme d’optimisation des revenus publicitaires mobiles qui double les revenus publicitaires des éditeurs de sites Web mobiles et des développeurs d’applications mobiles.

Pour être efficace, la plateforme MADGIC doit avoir un temps de traitement très faible. Comme solution de contournement, le bridage de la puissance de calcul à 70% permet de limiter le temps de latence. ANEO a été chargé d’auditer la solution afin de supprimer ce bridage artificiel et limitant.

Le défi

Le nombre de cœurs utilisés pour effectuer le calcul était trop élevé et donc trop couteux. MADGIC traite environ 300 000 offres par seconde, ce type de traitement nécessite un accès rapide aux données avec des temps de réponse très courts et une latence très faible. Pour limiter la latence, la puissance de calcul devait être limitée à 70 % de sa capacité. Aneo a dû trouver une solution pour permettre une utilisation optimale des CPUs.

La solution

En utilisant la méthode Optimeo « Top-down » et « Bottom-up », les experts d’ANEO ont analysé les différents types de goulots d’étranglement possibles. Ils se sont notamment intéressé aux impacts des configurations Core et hyperthreading sur les performances GCP. Ils ont également étudié le temps de latence des sockets d’entrée/sortie Linux afin de le réduire au maximum. Ils ont revisité l’architecture MADGIC GCP, sondé les performances et l’utilisation des bases de données via leurs interfaces de programmation.

Les résultats

L’analyse d’ANEO a mis en lumière la présence de 5 goulots d’étranglement dans l’infrastructure d’application MADGIC. ANEO a conseillé de ne pas utiliser l’hyperthreading qui n’apporte pas de gain de performance. Une refonte de l’architecture de type « low reduce » a également été suggérée pour commencer le filtrage des annonces redondantes avant le traitement des annonces rentables par l’architecture MADGIC initiale.

ANEO a pu aider MADGIC à identifier des pistes d’optimisation de l’infrastructure et à conseiller des solutions à tester comme le filtrage des requêtes publicitaires avant le traitement pour réduire la pression sur l’application.

Vous souhaitez travailler avec nous ?

Confiez votre problématique à nos experts et devenez notre prochain cas clients.

Ces cas clients peuvent aussi vous intéresser

cas clients - deeplife
Migration et Optimisation des Charges de Travail HPC de Deeplife vers AWS
Deeplife développe des approches novatrices pour la découverte de médicaments en se basant sur des données multi-omiques de pointe, l'apprentissage automatique et l'ingénierie des systèmes.
cas clients - okwin
Migration vers le Cloud pour accélérer la découverte des médicaments avec AWS
Owkin est une société leader en biotechnologie spécialisée dans l'application de l'intelligence artificielle (IA) et de l'apprentissage automatique (ML) pour la découverte de médicaments.
cas clients - mnemo
Optimisation de la puissance de calcul pour les médicaments de demain avec AWS
Dans le cadre de la conception des médicaments de demain, Mnemo avait besoin de satisfaire ses besoins en puissance d’orchestration de calcul intensifs de plus de dizaines de milliers d’instances sur des grilles de calcul cloud.