Replatforming zum Scala-Ökosystem

Industrie

Technologie

Akka Apache Spark Postgres Redis Scala Spray ZooKeeper

Einführung

Wir haben mit dem Ingenieurteam von Service Source zusammengearbeitet, um die Probleme zu verstehen und das Produkt mit Akka clusterfähig zu machen.

Über ServiceSource

ServiceSource arbeitet mit branchenführenden Unternehmen zusammen, um die Leistung ihrer wiederkehrenden Umsätze zu verbessern. Das Unternehmen verfügt über eine sehr erfolgreiche Renew On Demand-Plattform, mit der Fortune 50-Organisationen ihre Erneuerungsrate erheblich steigern können. Es ermöglicht einem Unternehmen zu wachsen, indem es Wachstum aus einem bestehenden Kundenstamm heraus erzielt, während die meisten Unternehmen der Neukundengewinnung den Vorrang geben. Doch um Kunden fürs Leben zu gewinnen, müssen Sie sich nicht nur auf den ersten Verkauf, sondern auch auf die Zeit nach dem Verkauf konzentrieren. Wenn Sie es richtig anstellen, stammen 90 % des Kundenumsatzes aus Verlängerungen, Cross-Sells und Up-Sells.

Die Herausforderung

Das Produkt “Renew On Demand” von Service Source war bereits sehr erfolgreich und wurde von den meisten Fortune-50-Kunden genutzt. Das Problem war, dass das Kernsystem auf node.js aufgebaut war. Obwohl das aktuelle System auf die Bedürfnisse des Unternehmens skaliert werden konnte, war ein Wachstum unmöglich, da das System auf Hunderten von Amazon-Knoten bereitgestellt wurde. DevOps war ein Albtraum. Weitere Interprozesskommunikation zwischen mehreren node.js-Prozessen verlangsamte die Reaktionsfähigkeit des Systems. Es waren mehrere node.js-Prozesse erforderlich, um alle Kerne des Rechners zu nutzen. Die Plattform musste täglich in den frühen Morgenstunden neu gestartet werden, um die Stabilität zu gewährleisten.

Die Lösung

NashTech wurde gebeten, das aktuelle Produkt zu verstehen und das Produkt von node.js auf das Scala-Ökosystem umzustellen. Wir haben mit dem Ingenieurteam von Service Source zusammengearbeitet, um die Probleme zu verstehen und das Produkt mit Akka clusterfähig zu machen. Die gesamte Logik wurde auf Scala portiert, wodurch das Produkt auf der stabilen JVM laufen konnte. Die Big-Data-Analysen und die Erneuerungsstrategie wurden mit Spark Streaming und maschinellem Lernen umgesetzt. Die Dienste wurden als Microservices verteilt und über REST-Endpunkte zur Verfügung gestellt. Die endgültige Lösung lief auf einem Cluster mit 23 Knoten anstelle von 100 Knoten, die zuvor verwendet wurden.

Das Ergebnis

Die Devops-Operationen für das Produkt wurden erheblich reduziert. Die Anzahl der Server, die für das Hosting des Produkts erforderlich sind, wurde erheblich reduziert, was zu enormen Einsparungen bei den Fixkosten führte. Die Stabilität und Reaktionsfähigkeit des Produkts hat sich um ein Vielfaches erhöht. Nach den aktuellen Daten bewältigt das Produkt das 3,2-fache der Datenmenge, für die es entwickelt wurde, und ist nach wie vor leistungsstark.