Salesforce の UIP が HAQM EC2 スポットインスタンスを利用してデータ処理時間を 90% 超短縮し、1 か月あたり 100 万 USD 超のコストを削減

2019 年後半、UIP チームはオンプレミスクラスターを HAQM EMR に移行することに着手しました。HAQM EMR は、Apache Spark、Apache Hive、Trino などのオープンソース分析フレームワークを使用して、大規模な分散データ処理ジョブ、インタラクティブな SQL クエリ、機械学習アプリケーションを実行するためのクラウドビッグデータプラットフォームです。HAQM EMR は、Salesforce がビッグデータフレームワークの管理の複雑さを軽減するのに役立っています。また、HAQM EC2 スポットインスタンスをネイティブに統合できるため、企業がクラウドにおける未使用の HAQM EC2 キャパシティを活用するのに役立ちます。

チームは、コスト最適化戦略の一環としてのスポットインスタンスの使用に、Apache Spark で実行されているワークロードが適していると判断しました。HAQM EMR 上の Apache Spark は自動再試行機能を備えているため、HAQM EC2 のキャパシティ要件を理由としてスポットインスタンスの再利用が発生した場合の回復力が高まります。また、UIP チームは Spark Streaming を利用することで 5 分間でデータを処理できます。これも、再試行が必要になる可能性を最小限に抑えるのに役立ちます。

最も低い料金で最大限の可用性を実現するために、Salesforce UIP は、スポットインスタンスを他の HAQM EC2 購入オプションと併用してみました。同チームは、スポットインスタンスと HAQM EC2 オンデマンドインスタンスをさまざまな割合で組み合わせてシナリオを実行しました。HAQM EC2 オンデマンドインスタンスでは、企業は長期的な契約なしでコンピューティングキャパシティの料金を秒単位で支払い、インスタンスのライフサイクルを全体的に制御できます。Salesforce UIP では、オンデマンドインスタンス用に Savings Plan を使用していました。Savings Plans は、特定の使用量を契約する代わりに、オンデマンド料金と比較して低料金を実現する柔軟な料金モデルです。クラスターの信頼性とインスタンスに対する割引の適切なバランスを模索する中で、UIP チームは最適な設定を特定しました。この設定は、スポットインスタンスの恩恵を受ける HAQM EC2 の使用を 60% とし、残りを Savings Plans でカバーすることとするものでした。サービスレベル契約 (SLA) の要件を満たすために、Salesforce UIP はパフォーマンスを念頭に置いてフリートを作成しました。プロセッサの特性と SLA の時間要件を満たす能力に応じて、ワークロードを SLA クラスターと非 SLA クラスターに分割しています。「フリートの構築という観点から、この点に関する真のメリットは、使用できるインスタンスタイプの数にあると考えています」と Salesforce のプリンシパルエンジニアである Eric Legault 氏は述べています。「AWS は、さまざまな設定のマシンや多様なシナリオを試すのに役立ちました。設定を変更するだけで、数時間後には、実際に機能するかどうかを確認できたのです。そのことが、この取り組みを成功に導いた大きな要因だったと考えています」。

スポットインスタンスの使用に関する AWS のベストプラクティスに従って、チームは、同じキャパシティを維持しながら、2～3 つのインスタンスタイプから 27 のインスタンスタイプに移行することで、フリートにさらなる安定性をもたらしました。UIP チームは、CPU、メモリ、またはバランスの取れたワークロードに最適化されたインスタンスタイプを使用し、インテルのプロセッサと AMD のプロセッサを組み合わせて、さまざまな目的に特化した 12 のクラスターを運用しています。「インスタンスタイプが多いほど、クラスターの回復力が高まります」と Legault 氏は述べています。

現在、Salesforce UIP は 1 日に 200～250 TB を処理しており、以前は 100 TB の処理にかかっていたのとほぼ同じコストで、その 2 倍の量のデータを書き込んでいます。取り込み処理をストリーミングアプローチにリアーキテクトし、スポットインスタンスを使用してコストを管理しながらインフラストラクチャを強化することで、チームの処理効率も改善し、データの取り込みと処理にかかる時間が 4 時間から 15 分に短縮されました。コンピューティングメトリクスの可視性を高めるために、Salesforce は AWS リソースのモニタリングおよびオブザーバビリティサービスである HAQM CloudWatch を利用しています。チームは、運用メトリクスの可視化を図るオープンソースソフトウェアの Grafana で構築されたカスタムダッシュボードを使用して、アプリケーションをモニタリングしています。

Salesforce の UIP ソリューションでは HAQM EMR マネージドスケーリングも使用しています。このサービスは、可能な限り低いコストで最高のパフォーマンスが得られるようにクラスターのサイズを自動的に変更します。スポットインスタンスの再利用が発生する可能性を低く抑えるため、Salesforce は、クラスターがキャパシティを約 5% 上回ってスケールできるようにしています。キャパシティを追加することで、処理が高速化され、必要に応じてクラスターの可用性と安定性が向上します。「スケールアップしたり、キャパシティが不要になったときにはスケールダウンしたりできることが、大きなメリットだと考えています」と Legault 氏は述べています。「このプロセスは、再利用によってインスタンスが使用できなくなった場合にも役立ちます」。 さらに、HAQM EMR マネージドスケーリング内の新機能を使用すると、Salesforce の UIP は Apache Spark の中間シャッフルデータを格納するインスタンスをスケールダウンすることがなくなり、パフォーマンスの改善とコストの削減につながります。

Salesforce UIP がスポットインスタンスを組み込んだことにより、Savings Plan の使用が補完されるとともに、コンピューティングコストが 60% 超削減されました。これにより、同社では 1 か月あたり 100 万 USD 超のコストを削減できました。フルタイムで稼働する 2 つのクラスターに加えて、データの突然の流入に対応するために必要な場合、UIP チームは 3 つ目のクラスターをコスト効率よくスケールアップできます。UIP チームがスポットインスタンスを使用してアップスケールを処理できると、Salesforce の他の領域のコスト削減にもつながります。Savings Plan のインスタンスが解放され、他のチームがピーク時に使用してコストを削減できるようになるからです。

最適化プロセスの一環として、UIP チームはスポットインスタンスアドバイザーを使用しています。これは、企業が中断の可能性の最も低いプールを判断したり、オンデマンド料金を通じてコストを削減したりするのに役立ちます。チームは、HAQM EC2 スポットプレースメントスコアを使用して、より多くのインテリジェンスを動的なフリート管理に組み込むことを希望しています。HAQM EC2 スポットプレースメントスコアでは、Salesforce の要件に基づいて AWS リージョンまたはアベイラビリティーゾーンをほぼリアルタイムで推奨できます。UIP チームは、AWS リージョン全体でその取り組みを拡大する中で、HAQM EC2 スポットプレースメントスコアを使用して、さらにキャパシティを増やして、料金を低く抑えることを計画しています。「当社は、クラウドのキャパシティとさまざまな HAQM EC2 インスタンスタイプを使用して、オンプレミスでは成し得なかったことを行っています」と Legault 氏は述べています。「HAQM EMR マネージドスケーリングは、クラウドの伸縮自在な機能を利用するうえで大きな役割を果たしています。また、スポットインスタンスを革新的な方法で使用するだけで、コストを大幅に削減できます」。