Mercedes-Benz: costi di cloud egress ridotti del 66% grazie alla Data Mesh
Mercedes-Benz ha ridotto i Mercedes-Benz cloud egress costs del 66% attraverso l'implementazione di una data mesh cross-cloud. Il progetto ha sincronizzato 60 terabyte di dati tra Amazon Web Services (AWS) e Microsoft Azure per ottimizzare le operazioni globali di post-vendita. Secondo i report del progetto di Databricks, questa architettura affronta le sfide finanziarie della gestione di dataset in ambienti cloud frammentati.
Architettura tecnica e sincronizzazione dei dati
Il sistema utilizza Delta Sharing e Delta Deep Clone per facilitare la replica locale e lo scambio sicuro di dati. Distribuendo questi strumenti insieme a Unity Catalog, Mercedes-Benz ha migliorato la freschezza dei dati, passando da aggiornamenti settimanali a una frequenza di aggiornamento a giorni alterni. L'azienda ha inoltre sviluppato un "Dynamic Data eXchange (DDX) Orchestrator" proprietario per fornire automazione self-service ai team interni.
Risparmi previsti e strategia multi-cloud
Il roll-out iniziale ha coperto 10 prodotti dati. Mercedes-Benz prevede che l'estensione della soluzione a 50 casi d'uso ridurrà infine i Mercedes-Benz cloud egress costs fino al 93%. Questa architettura consente al produttore di mantenere una strategia multi-cloud senza le penali di "data gravity" tipicamente associate allo spostamento di informazioni tra provider. I report di settore indicano che le commissioni di egress rimangono un ostacolo primario per le grandi imprese. Adottando una data mesh, l'azienda distribuisce i prodotti dati localmente all'interno di regioni specifiche, riducendo al minimo i costosi trasferimenti cross-network e mantenendo al contempo una governance unificata.
Sebbene ci impegniamo per l'accuratezza, bytevyte può commettere errori. Si consiglia agli utenti di verificare tutte le informazioni in modo indipendente. Non accettiamo alcuna responsabilità per errori o omissioni.
Related Articles
- Stellantis e Microsoft lanciano un'alleanza strategica quinquennale sull'IA per rinnovare l'infrastruttura automobilistica
- AWS taglia i costi dell'IA con Nova model distillation
- Databricks: Memory Scaling for AI Agents è un asse di progettazione chiave
✔Human Verified