Notre client est une plateforme de podcast de premier plan offrant aux entrepreneurs un endroit où créer, développer et monétiser leur entreprise grâce à un podcast de niveau supérieur. Ils nous ont contacté pour améliorer leur système de visioconférence basé sur Jitsi avec une mise à l'échelle basée sur les événements afin de garantir des performances optimales pendant les pics d'utilisation.

Le défi:

Notre client dispose d'une plateforme en ligne dynamique hébergeant des événements numériques interactifs et avait besoin d'une solution évolutive et rentable pour son infrastructure de communication en temps réel (RTC). Leur déploiement Jitsi existant était confronté à des limites dans la gestion des pics imprévisibles d'utilisateurs simultanés lors d'événements en direct, entraînant des goulots d'étranglement en termes de performances et une mauvaise expérience utilisateur.

Notre approche:

Pour relever ces défis, nous avons proposé une architecture de mise à l'échelle basée sur les événements pour leurs déploiements Jitsi et Jibri (enregistrement). Cela impliquait :

1. Constructions de code personnalisé : notre client a conservé le contrôle du code Jitsi et Jibri en fournissant des artefacts prédéfinis pour une intégration transparente.
2. Infrastructure évolutive : nous avons défini une architecture sans serveur basée sur des machines virtuelles, des conteneurs et des fonctions sans serveur pouvant évoluer automatiquement en fonction d'événements spécifiques.
3. Métriques de déclenchement : l'utilisation du processeur, la longueur des files d'attente et les requêtes entrantes ont été identifiées comme des métriques clés pour déclencher des événements de mise à l'échelle.
4. Configuration Terraform : nous avons développé des scripts Terraform pour définir et gérer les composants de l'infrastructure, y compris des modules pour la réutilisabilité du code, des configurations paramétrées pour plus de flexibilité, ainsi que des politiques et déclencheurs de mise à l'échelle intégrés.
5. Logique basée sur les événements : une source d'événements (par exemple, Kafka) a capturé des données d'événement concernant l'afflux de participants, et une logique de mise à l'échelle personnalisée a interprété ces événements pour lancer les commandes Terraform appropriées pour augmenter ou réduire les ressources Jitsi et Jibri. Les périodes de refroidissement et les seuils ont empêché les fluctuations erratiques de la mise à l’échelle.
6. Intégration de l'API REST : une API REST facile à utiliser a été implémentée pour le contrôle et la surveillance externes du système de mise à l'échelle. Les points de terminaison ont facilité les actions de mise à l'échelle, les rapports sur l'utilisation des ressources et l'accès sécurisé avec des mécanismes d'authentification et d'autorisation.

Le résultat:

Cette étude de cas démontre comment l'automatisation basée sur les événements et Terraform ont joué un rôle central en fournissant une solution évolutive, rentable et robuste pour leurs besoins de communication en temps réel. Notre approche permet d'offrir une expérience événementielle en ligne transparente et engageante à leurs utilisateurs, tout en optimisant l'efficacité opérationnelle et l'utilisation des ressources.