Mercedes-Benz Cloud Egress Costs reduzidos em 66% via Data Mesh
Mercedes-Benz reduziu os Mercedes-Benz cloud egress costs em 66% através da implementação de uma data mesh cross-cloud. O projeto sincronizou 60 terabytes de dados entre Amazon Web Services (AWS) e Microsoft Azure para otimizar as operações globais de pós-venda. De acordo com relatórios de projeto da Databricks, esta arquitetura aborda os desafios financeiros de gerenciar conjuntos de dados em ambientes de nuvem fragmentados.
Arquitetura Técnica e Sincronização de Dados
O sistema utiliza Delta Sharing e Delta Deep Clone para facilitar a replicação local e a troca segura de dados. Ao implantar essas ferramentas junto ao Unity Catalog, a Mercedes-Benz melhorou a atualização dos dados de atualizações semanais para uma taxa de atualização a cada dois dias. A empresa também desenvolveu um "Dynamic Data eXchange (DDX) Orchestrator" proprietário para fornecer automação de autoatendimento para as equipes internas.
Economia Projetada e Estratégia Multi-Cloud
A implantação inicial cobriu 10 produtos de dados. A Mercedes-Benz projeta que a expansão da solução para 50 casos de uso eventualmente reduzirá os Mercedes-Benz cloud egress costs em até 93%. Esta arquitetura permite que a fabricante mantenha uma estratégia multi-cloud sem as penalidades de "data gravity" normalmente associadas à movimentação de informações entre provedores. Relatórios do setor indicam que as taxas de egress continuam sendo um obstáculo primário para grandes empresas. Ao adotar uma data mesh, a empresa distribui produtos de dados localmente em regiões específicas, minimizando transferências caras entre redes enquanto mantém uma governança unificada.
Embora nos esforcemos pela precisão, o bytevyte pode cometer erros. Os usuários são aconselhados a verificar todas as informações de forma independente. Não aceitamos responsabilidade por erros ou omissões.
Related Articles
- AWS reduz custos de IA com Nova model distillation
- Stellantis e Microsoft lançam aliança estratégica de IA de cinco anos para reformular infraestrutura automotiva
- Databricks: Memory Scaling for AI Agents é o Principal Eixo de Design
✔Human Verified