스트라드비젼은 자동차 기술의 선두주자입니다.
소개
자동차 기술 분야를 선도하는 스트라드비젼은 성장하는 쿠버네티스 자산을 단순화하고 운영을 최적화하기 위해 랜처 프라임을 채택했습니다. 랜처 프라임 구현 후 스트라드비젼은 성능, 신뢰성 및 효율성에서 상당한 개선을 경험했습니다. 이 스포트라이트에 제공된 피드백은 독립 리서치 회사인 UserEvidence가 실시한 수세 고객 설문 조사를 통해 수집되고 검증되었습니다.
과제 및 솔루션
스트라드비젼은 대중에게 안전한 자율 주행을 제공하는 것을 목표로 경쟁사에 비해 적은 비용으로 스마트 AI 기반 카메라 인식 기술을 개발하고 제공합니다. 특히 스트라드비젼은 딥 러닝 기반 인식 AI 인 SVNET을 개발하고 있습니다. AI를 개발하려면 상당한 컴퓨팅 리소스와 학습 자원이 필요합니다. 시장 진출 전략을 유지하기 위해 스트라드비젼은 최고의 사용 가능한 기술을 사용하면서 비용을 낮게 유지하기 위해 노력합니다. 스트라드비젼은 이러한 리소스를 관리하기 위해 확장성을 최적화하고 향후 AWS 및 GCP로의 클라우드 마이그레이션에 대비하기 위해 디지털 전환 이니셔티브로 쿠버네티스를 채택했습니다. 그러나 클러스터 환경이 확장됨에 따라 회사는 독립형 쿠버네티스가 오케스트레이터 없이 관리 및 유지 관리하기에 너무 복잡하다는 것을 알게 되었습니다. 클러스터 관리 솔루션을 모색하기 위해 스트라드비젼은 처음에는 레드햇 오픈시프트를 고려했지만 궁극적으로 랜처 프라임을 선택했습니다.
"우리는 컨테이너 관리를 더 편리하게 하기 위해 쿠버네티스를 도입했지만, 쿠버네티스를 관리하는 것 자체로 많은 추가적인 노력이 필요했습니다. 마스터 노드와 작업자 노드를 연결하고, 클러스터 내의 수많은 컨테이너 상태를 확인 및 제어하고, 문제가 발생했을 때 디버깅하는 것 등 많은 IT 전문가들의 많은 노력과 전문 지식이 필요했고, 이는 IT 운영 비용의 증가로 이어졌습니다. 랜처 프라임을 통해 우리는 쿠버네티스를 더 편안하고 쉽고 효율적으로 관리할 수 있었습니다. 랜처 프라임을 통해 장애를 줄여, 더 빠르게 고객의 요청에 대응을 하고 있고 효율성이 극대화 되어 원가 절감에 기여하고 있으며, 결국 고객에게 더 큰 가치를 제공할 수 있게 되었습니다."
결과
스트라드비젼은 랜처 프라임을 구현한 후 쿠버네티스에서 머신 러닝 워크로드의 관리, 배포 및 확장을 단순화하는 데 성공했습니다. 최신 기술과의 원활한 통합 및 안전 표준 준수를 보장한 랜처 프라임은 스트라드비젼의 GPU 리소스 할당을 현대화하여 사람의 최소한의 개입으로 안정적인 서비스와 주문형 고객 맞춤형 솔루션을 가능하게 했습니다. 그 영향으로 혁신이 가속화되고 효율성이 극대화되었으며 고객에게 상당한 비용 절감 효과를 제공했습니다.