Auf dem Weg zur Nachhaltigkeit im Immobiliensektor

Der Immobiliensektor ist verantwortlich für 35% der energiebedingten Kohlenstoffemissionen in der Europäischen Union. Ampeers Energy hat sich zum Ziel gesetzt, diesen Anteil durch eine Kombination aus modernster, intelligenter Software und Hardware zu reduzieren. Das Unternehmen mit Hauptsitz in München entwickelt optimale Energiekonzepte und automatisiert Prozesse, um Immobilienkunden dabei zu helfen, ihre CO2-Emissionen um bis zu 90% zu reduzieren und ihre Erträge zu steigern.

Um Ampeers Energy bei seiner Aufgabe zu unterstützen, muss das Infrastruktur-Team mehrere wichtige Anforderungen erfüllen. “Unsere Infrastruktur muss hochverfügbar sein, um so viele Datenpunkte wie möglich von unseren verteilten Systemen zu sammeln, wobei viele Eingangspunkte einzeln verarbeitet werden müssen. Wir nutzen die Daten, um Simulationen durchzuführen, Vorhersagen über den Energieverbrauch eines Bezirks zu erstellen und auf dieser Grundlage Optimierungen vorzunehmen”, sagte Lukas Marquardt, DevOps Engineer bei Ampeers Energy.

Fehlende Kostentransparenz wurde immer mehr zum Problem

Als die Cloud-Nutzung des Unternehmens über die Azure-Dienste hinweg wuchs, suchte das Infrastruktur-Team nach einer Lösung, die einen Einblick in die Cloud-Kosten auf einer Granularitätsebene bietet, die sowohl für die Anwendungsfälle des Unternehmens, als auch für seine zentrale Cloud-native Technologie Kubernetes, sinnvoll ist.

Das Team experimentierte zunächst mit dem Open-Source Cost Visibility Tool “OpenCost”. Die Nutzung erwies sich jedoch als nicht benutzerfreundlich und die gelieferten Metriken waren für die speziellen Anwendungsfälle bei Ampeers Energy umfänglich genug. Das Team suchte nach alternativen Lösungen, die einfacher zu implementieren waren und genauere Metriken lieferten.

Am Anfang suchten wir nach einer Lösung, die uns zeigen konnte, welcher Komponente welche Cloud-Kosten verursacht – und wie man dies optimieren könnte. Ich bin auf CAST AI gestoßen, wo ich schnell einsteigen und meinen Cluster anschließen konnte, um sofort eine Kostenübersicht zu sehen.

Lukas Marquardt, DevOps Engineer bei Ampeers Energy

Lukas richtete alles ein und gab mir den Zugang zur CAST AI-Plattform, damit ich mir die Funktionen zur Cost Visibility selbst ansehen konnte. Mein Eindruck war, dass alle Daten sehr gut zugänglich sind. Da CAST AI keine langwierige Einarbeitung und kein Verständnis für das Produkt braucht, war dies wirklich ein No-Brainer.

Lucas Recknagel, CTO bei Ampeers Energy

Die Reise zur Kostenoptimierung begann mit der Überwachung

Ampeers Energy implementierte CAST AI und erhielt sofort Einblicke in die tatsächliche Ressourcennutzung in seinem Kubernetes-Cluster.

Das erste, was uns auffiel, war die klare Trennung der verschiedenen Namespaces und Workloads in unserem Cluster. Da wir dies vor Augen hatten, konnten wir leicht erkennen, wo unsere Hauptprobleme liegen – und sie lösen, um unsere Einrichtung zu optimieren. Wir konnten sehen, wo es keine Ressourcenlimits oder -requests gab, und dies sofort beheben. Es war einfach ein schneller Überblick darüber, wo wir schnelle Erfolge erzielen konnten.

Lukas Marquardt, DevOps Engineer bei Ampeers Energy

Die hochpräzise Kosten- und Workload-Usage-Übersicht half dem Team auch, die Größe und Anzahl der Knoten zu reduzieren, was zu weiteren Einsparungen führte. 

Nachdem wir die Requests und Limits für unsere Workload definiert hatten, konnten wir die Anzahl unserer Kubernetes-Knoten reduzieren. Seit der Implementierung von CAST AI haben wir festgestellt, dass die Auslastung unserer Knoten sehr unterschiedlich ist. Wir hatten große Knoten mit 90% Auslastung und kleinere Knoten, die halb so groß waren, aber nur zu 10% ausgelastet waren. Mit CAST AI konnten wir eine intelligentere Pod-Verteilung erreichen, die zu erheblichen Kosteneinsparungen führte.

Lukas Marquardt, DevOps Engineer bei Ampeers Energy

33% Kosteneinsparungen mit einem Klick auf einen Button

Bevor die automatische Kostenoptimierung in CAST AI aktiviert werden konnte, musste Ampeers Energy einige Konfigurationsfragen in seiner Infrastruktur klären, wie z.B. das Hinzufügen von PodDisruptionBudgets (PDB). 

Ein CAST AI Engineer unterstützte das Team während dieses Prozesses. “Die Arbeit begann mit einem Solution Architect, mit dem wir hervorragend zusammenarbeiten konnten. Er ist ein sehr erfahrener Engineer, der uns sehr dabei geholfen hat, unseren Cluster nach branchenüblichen Best Practices zu optimieren und alles für die automatische Kostenoptimierung vorzubereiten”, sagte Lukas Marquardt.

Nachdem wir alles so konfiguriert hatten, dass es den Best Practices der Branche entsprach, war es eigentlich nur noch ein einziges Treffen. Wir drückten einen Knopf, warteten 30 Minuten und danach war alles erledigt. Wir konnten eine Kostenreduzierung von 33% für den mit CAST AI verbundenen Cluster feststellen.

Lukas Marquardt, DevOps Engineer bei Ampeers Energy

Durch die kontinuierliche Einbindung des Teams beim Aufbau der Cost Optimization Lösung, ist die laufende Kostenoptimierung durch CAST AI völlig transparent. “Wir haben eine zentrales Dashboard für alles. Wir können die Kosten, die Best Practices für die Containersicherheit und ein praktisches Dashboard sehen. Ich kontrollierte unsere Kosten, als wir die automatische Kostenoptimierung aktivierten, und konnte sehen, wie unsere Arbeitslast skalierte und wie unsere Kosten sanken”, sagte Lukas Marquardt.

Die automatischen Skalierungsfunktionen von CAST AI wirkten sich auch positiv auf die Arbeitsbelastung der Engineers aus.

Wir haben nicht nur unsere Cluster und Workloads an die Industriestandards angepasst, sondern auch die Gewissheit gewonnen, dass wir die Skalierung des Clusters nicht mehr manuell vornehmen müssen. Wenn wir unsere Workload reduzieren, können wir darauf vertrauen, dass CAST AI die Anzahl unserer Knoten reduziert. Und wenn wir unsere Worklaod erhöhen, wird das Gegenteil der Fall sein. CAST AI macht alles rund um Kubernetes einfacher.

Lukas Marquardt, DevOps Engineer bei Ampeers Energy

Nächste Schritte: weitere Kostensenkungen mit Spot-Instanzen

Ampeers Energy plant, weitere Cluster an CAST AI anzuschließen. “Dies ist unser erster Cluster, die Entwicklungsumgebung. Wir planen, auch unsere Staging- und Produktionsumgebungen einzubinden. Wir gehen also davon aus, dass wir in naher Zukunft weitere Einsparungen erzielen werden”, erklärte Lukas Marquardt.

Das Team beabsichtigt außerdem, die Automatisierung von Spot-Instanzen zu nutzen, um noch höhere Kosteneinsparungen zu erzielen.

Im Moment nutzen wir keine Spot-Instances, weil unsere Workloads dafür nicht optimiert sind. Aber wir haben ein Duplikat unseres Clusters getestet, um zu sehen, wie hoch die Kosteneinsparungen wären, wenn wir die Spot-Instance-Automatisierung einschalten würden. Wir fanden heraus, dass wir zusätzlich zu den 33%, die wir derzeit einsparen, 40-50% einsparen könnten. Wir sind sehr optimistisch, was unsere zukünftige Zusammenarbeit mit CAST AI angeht.

Lukas Marquardt, DevOps Engineer bei Ampeers Energy