Une entreprise de véhicules électriques réduit de 40 % ses coûts de streaming grâce à AWS

La migration de Confluent Cloud vers AWS Kinesis a amélioré l’évolutivité et réduit les coûts.
Discover how GFT helped an intelligent electric vehicle company migrate from Confluent Cloud to AWS Kinesis, improving scalability and reducing streaming costs by 40% through AWS-native data modernization.

Quand les avantages se transforment en résultats

Réduction de 40 % des coûts de la plateforme de transmission des données

La migration de Confluent Cloud vers Amazon Kinesis a réduit d’environ 40 % les coûts du service de streaming événementiel.

Traitement des événements à l'échelle de l'entreprise

La plateforme peut traiter plus de 130 millions d’événements par heure tout en maintenant un haut niveau de fiabilité et de performance.

Modernisation basée sur les technologies natives AWS

Les services tiers de transmission des données ont été remplacés par des technologies natives AWS, simplifiant les opérations et permettant une évolutivité plus agile.

Modernisation de la plateforme

Un leader mondial des solutions de recharge pour véhicules électriques et de gestion de l’énergie s’est associé à GFT et AWS pour migrer sa plateforme de streaming d'événements de Confluent Cloud vers Amazon Kinesis Data Streams. Cette migration a permis de moderniser l’architecture de données en temps réel de l’entreprise, lui permettant de traiter des charges de travail de plus de 130 millions d’événements par heure et de réduire les frais de la plateforme d’environ 40 %. La solution a amélioré l’évolutivité, simplifié les opérations et renforcé la stratégie de l’entreprise consistant à privilégier AWS dans le Cloud.

Défi

Moderniser une plateforme de streaming critique sans perturber les opérations

Le projet devait répondre à plusieurs enjeux :

  • Gérer une architecture complexe composée de 118 sujets Kafka.
  • Prendre en charge des charges de travail volumineuses, en traitant des flux pouvant atteindre 130 millions d'enregistrements par heure.
  • Maintenir la compatibilité des schémas de données et préserver les intégrations avec les consommateurs Databricks.
  • Garantir les performances, l’évolutivité, la conservation des données et la stabilité opérationnelle tout au long du processus de migration.
  • Réaliser la migration avant le renouvellement du contrat avec Confluent afin d’éviter des frais de licence supplémentaires.
  • Réaliser la transition sans perturber les services de production ni les opérations métier.

L'engagement

Migration vers une architecture de streaming native AWS

GFT, en partenariat avec AWS, a conçu et mis en œuvre une migration complète de Confluent Cloud vers une architecture de streaming basée sur les technologies natives d'AWS, notamment Amazon Kinesis Data Streams et AWS Glue Schema Registry. Le projet comprenait l'évaluation et la planification, la conception de la nouvelle plateforme, la migration des schémas et la mise en œuvre de la transition, tout en garantissant la continuité du service tout au long du processus.

Avantages

Une plateforme de données plus efficace, évolutive et tournée vers l'avenir

  • La migration a été menée avec succès en trois mois, permettant de mettre progressivement fin à l’utilisation de la plateforme Confluent avant le renouvellement du contrat.
  • Le recours à une plateforme de streaming tierce a été supprimé grâce à l’adoption de services AWS natifs.
  • L'efficacité opérationnelle a été améliorée grâce à une intégration plus étroite avec l'écosystème AWS.
  • Les performances, la stabilité et l’évolutivité des charges de travail critiques pour l’entreprise ont été préservées.
  • Une plateforme prête pour l’avenir a été mise en place pour soutenir l’analytique avancée, l’innovation fondée sur les données et la croissance continue de l’entreprise.
  • Le projet a renforcé la collaboration stratégique entre l’entreprise, AWS et GFT.

Contactez nos experts.

gft-contacts-gretchens-perez.png
Gretchens Pérez
Business Development Partner Manager & Sales Transformation
message
dataProtectionDeclaration