Zipher

L'autoscaler conscient de Spark est nettement moins gaspilleur que l'autoscaler natif, car il prend en compte le contexte de nos exécutions de tâches et évite le redimensionnement inutile.

Zipher a promis plus de 35 % d'économies sur les coûts de databricks et AWS, nous étions sceptiques mais après une POC, ils ont réalisé plus de 50 % d'économies, sans impact négatif sur les performances.

Zipher a constamment fourni des économies de coûts mesurables sur Databricks tout en améliorant la stabilité des charges de travail. Il a optimisé l'autoscaling des clusters en réduisant le roulement inutile des nœuds et en maintenant un équilibre stable entre la capacité à la demande et la capacité spot. Nous avons constaté une meilleure utilisation des DBU à travers les clusters interactifs et de tâches, ainsi qu'une dépense plus prévisible et des temps d'exécution des tâches plus rapides, ce qui conduit à réduire notre coût global de calcul.