Caso de éxito
Yalo optimiza sus costos con FinOps sobre GCP y AWS y reduce sus nodos activos en GKE de ~165 a ~140
Resumen
Yalo es una plataforma de comercio conversacional con uso intensivo de microservicios en Kubernetes (GKE). Su clúster productivo tenía una eficiencia de CPU cercana al 10% por sobreaprovisionamiento, y Datadog proyectaba excedentes de ~USD 3.500/mes. Craftech hizo un assessment de infraestructura y aplicó optimizaciones FinOps en Google Cloud Platform y AWS. Los nodos activos promedio en GKE bajaron de ~165 a ~140.
~165 → ~140
nodos activos promedio en GKE
~80,4 vCPUs
liberadas solo en el primer lote de rightsizing
USD 667/mes
menos por eliminar 77 discos inactivos
Yalo es una plataforma de comercio conversacional (engagement platform) con uso intensivo de microservicios en Kubernetes (GKE), CloudSQL, Redis, Kafka y Datadog. El proyecto se enfocó en un assessment de infraestructura y en optimizaciones de costos (FinOps) en Google Cloud Platform y AWS.
Solución implementada
- Rightsizing vertical conservador de más de 120 servicios en lotes progresivos, con requests y limits según el uso real, y escalado automático con HPA
- Scripts en Python para auditar la subutilización de nodos
- Redimensionamiento in situ de Memorystore y CloudSQL tras analizar hit ratio, conexiones y picos históricos
- Contención de costos en Datadog sin tocar código: Metrics without Limits, percentiles innecesarios desactivados y filtros de exclusión de logs
- Eliminación segura de decenas de discos persistentes huérfanos
- KEDA para escalado por eventos según el lag de Kafka y nodepools mixtos Spot / On-Demand
- Estándar de etiquetado (service, cost-center, customer, tier) listo para su pipeline de IaC
Desafío de negocio
El clúster productivo de Yalo en GCP tenía ~157 nodos y una eficiencia de CPU cercana al 10% por sobreaprovisionamiento. En Datadog había excedentes proyectados de ~USD 3.500/mes por métricas custom de altísima cardinalidad, 117 veces por encima del límite del plan, y por indexación de logs sin valor. Las instancias de CloudSQL y Memorystore (Redis) tenían capacidades enormes, por ejemplo 16 vCPUs y 72 GB de RAM, con consumos históricos inferiores al 15%. Además, el esquema de etiquetado no permitía analizar costos por cliente o por servicio.
Solución
Craftech aplicó un rightsizing vertical conservador a más de 120 servicios en lotes progresivos, ajustando requests y limits según el uso real, con escalado automático (HPA) y scripts en Python para auditar la subutilización de nodos. Redimensionó in situ Memorystore y CloudSQL tras analizar hit ratio, conexiones y picos históricos. En Datadog contuvo los costos sin tocar código, con Metrics without Limits, la desactivación de percentiles innecesarios y filtros de exclusión de logs. También eliminó de forma segura decenas de discos persistentes huérfanos, sumó KEDA para escalar por eventos según el lag de Kafka, incorporó nodepools mixtos Spot / On-Demand y dejó un estándar de etiquetado (service, cost-center, customer, tier) listo para su pipeline de IaC.
Resultados
- Nodos activos promedio en GKE de ~165 a ~140, con mínimos de 134
- Solo el primer lote de rightsizing liberó ~80,4 vCPUs y ~87,5 GiB de RAM
- USD 667/mes menos por eliminar 77 discos inactivos
Stack & tecnologías
¿Tu equipo enfrenta un desafío parecido?
Pide un assessment gratuito de costos y arquitectura en AWS.
