{"id":16254,"date":"2023-01-25T11:57:47","date_gmt":"2023-01-25T10:57:47","guid":{"rendered":"https:\/\/golem.ai\/?p=16254"},"modified":"2023-03-06T16:40:43","modified_gmt":"2023-03-06T15:40:43","slug":"infrastructure-green-optimisation","status":"publish","type":"post","link":"https:\/\/miralia.ai\/fr\/blog\/technologie\/infrastructure-green-optimisation","title":{"rendered":"5 fa\u00e7ons d\u2019optimiser votre infrastructure technique pour r\u00e9duire votre empreinte carbone"},"content":{"rendered":"\n

Green Tech, Tech for Good, Tech\u2019Care\u2026 Autant de mani\u00e8res d\u2019\u00e9voquer les impacts qu\u2019ont les nouvelles technologies sur notre bilan carbone, que de lister les potentielles solutions. Avec plus de 53% des \u00e9missions de gaz \u00e0 effet de serre g\u00e9n\u00e9r\u00e9es par le num\u00e9rique, les datas center et les infrastructures r\u00e9seaux consomment autant que nous utilisons de donn\u00e9es. Bien que fonctionner avec des IA sans entra\u00eenement r\u00e9duit drastiquement cet impact, d\u00e9couvrez 5 solutions li\u00e9es au traitement et au stockage de la data qui changent nos paradigmes\u2026<\/em><\/h3>\n\n\n\n

#1 Faire le choix d\u2019un cloud \u00e9cologique<\/strong><\/h2>\n\n\n\n

L\u2019approche \u201cGreen\u201d de l\u2019IT n\u00e9cessite d\u2019appliquer des pratiques respectueuses de l\u2019environnement directement au niveau de l\u2019infrastructure. Les choix d\u2019utilisation des technologies sont d\u00e9cisifs dans l\u2019impact environnemental que vous aurez.<\/p>\n\n\n\n

Scaleway un fournisseur \u00e0 bonne efficacit\u00e9 \u00e9nerg\u00e9tique<\/h4>\n\n\n\n

Les clusters kubernetes sont, dans notre cas, manag\u00e9s par un cloud provider de confiance : Scaleway<\/strong><\/a>. C\u2019est aupr\u00e8s de ce cloud provider que nous consommons les ressources IT, d\u00e9l\u00e9guant la charge de la gestion physique des serveurs (Power, cooling, Device management etc\u2026). Scaleway nous propose ici un datacenter disposant d\u2019un syst\u00e8me de refroidissement dit \u201cadiabatique\u201d ne n\u00e9cessitant pas de climatisation ce qui permet \u00e0 ce datacenter d\u2019afficher un PUE (Power Usage Effectiveness) assez remarquable de 1,15.<\/p>\n\n\n\n

Exploitation des possibilit\u00e9s d\u2019infrastructure \u00e0 la demande<\/h4>\n\n\n\n

Nous consommons les ressources n\u00e9cessaires \u00e0 nos besoins sur un mode de facturation dit \u201d\u00e0 l\u2019usage\u201d et avons la capacit\u00e9 de remettre \u00e0 disposition des autres clients de Scaleway les ressources que nous n\u2019utilisons pas. La d\u00e9marche est simple : dimensionner juste, au plus pr\u00e8s du besoin de l’infrastructure IT qui supporte Golem.ai pour maximiser l’efficacit\u00e9 financi\u00e8re et environnementale.<\/p>\n\n\n\n

#2 Mettre en place un scaling automatique avec Keda<\/strong><\/h2>\n\n\n\n

Initialement, notre plateforme \u00e9tait dimensionn\u00e9e 24h\/7 aux valeurs permettant d\u2019assumer les pics de charges potentiels. Avec ce setup, notre performance restait bonne, mais nous avions un go\u00fbt amer \u00e0 la vue du gaspillage dont nous \u00e9tions \u00e0 l\u2019origine, car les machines nous restaient allou\u00e9es et sous tension mais inexploit\u00e9es pendant nos heures creuses. <\/p>\n\n\n\n

Pour y pallier, nous avons choisi d’exploiter les possibilit\u00e9s combin\u00e9es de Horizontal Pod AutoScaling<\/strong><\/a>, Cluster Autoscaling<\/strong><\/a> et Keda<\/strong><\/a> afin d\u2019assurer un provisionnement de ressources non pas de mani\u00e8re constante et \u00e9lev\u00e9e, mais au plus pr\u00e8s de la demande. <\/p>\n\n\n\n

Gr\u00e2ce \u00e0 cette m\u00e9thode nous sommes pass\u00e9s entre les mois de juin et ao\u00fbt 2022 d\u2019une consommation temps plein de 56 machines de production \u00e0 27 machines de production. Nous avons donc divis\u00e9 par 2 l\u2019utilisation de machines sur la seule plateforme de production par ce biais.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

#3 Augmenter le niveau de remplissage des clusters kubernetes<\/strong><\/h2>\n\n\n\n

Afin de supprimer des machine inutilis\u00e9es de notre parc, le cluster autoscaller prend la d\u00e9cision de supprimer un n\u0153ud du cluster \u00e0 partir d\u2019un certain seuil de \u201cNon utilisation\u201d. Par d\u00e9faut, c’est 50%. Ce choix est tr\u00e8s s\u00e9curitaire car il permet dans le cas d\u2019un cluster \u00e0 2 n\u0153uds de quasi garantir que le second n\u0153ud peut assumer toute la charge seul. <\/p>\n\n\n\n

Cette configuration a du sens pour les clusters avec peu de n\u0153uds pour des raisons de r\u00e9silience. Chez Golem.ai, nous sommes dans une configuration plus complexe comportant une \u00e9volution de n\u0153uds comprise entre 14 pour les p\u00e9riodes creuses et 55 pour les p\u00e9riodes de charge intense. A cette \u00e9chelle, la marge par n\u0153ud peut \u00eatre r\u00e9duite car la marge totale reste importante.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

#4 Sensibiliser les usagers \u00e0 l\u2019utilisation responsable de la plateforme<\/strong><\/h2>\n\n\n\n

Notre plateforme comporte aujourd\u2019hui deux types d\u2019utilisateurs : <\/p>\n\n\n\n