Zipher

L'autoscaler consapevole di Spark è significativamente meno dispendioso rispetto all'autoscaler nativo, poiché tiene conto del contesto delle nostre esecuzioni di lavoro ed evita scalature non necessarie.

Zipher ha promesso più del 35% di risparmio sui costi di databricks e aws, eravamo scettici ma dopo un POC hanno fornito oltre il 50% di risparmio, e nessun impatto negativo sulle prestazioni.

Zipher ha costantemente fornito efficienze di costo misurabili su Databricks migliorando al contempo la stabilità del carico di lavoro. Ha ottimizzato l'autoscaling dei cluster riducendo il ricambio non necessario dei nodi e mantenendo un equilibrio stabile tra capacità on-demand e spot. Abbiamo osservato un miglioramento nell'utilizzo dei DBU sia nei cluster interattivi che in quelli di lavoro, insieme a una spesa più prevedibile e tempi di esecuzione dei lavori più rapidi, il che porta a ridurre il nostro costo complessivo di calcolo.