Comment TrafficPeak a contribué à offrir une expérience de visionnage supérieure pour le football

Chez Akamai, les grands événements sportifs, en particulier le match de football de l'année, comptent parmi les événements les plus marquants. Les plus grandes sociétés de médias utilisent nos solutions pour retransmettre le match à des spectateurs du monde entier. Cependant, pour nous assurer que chaque spectateur apprécie le match sans problèmes de mise en mémoire tampon et risque de pannes, nous devons collecter des données détaillées en temps réel.

Le dernier match de football de cette année a atteint des sommets. Avec près de 124 millions de téléspectateurs, il s'agit de l'événement diffusé en direct le plus regardé depuis l'atterrissage sur la lune de la mission Apollo 11. Le streaming multimédia et les diffuseurs comptent parmi les plus gros clients d'Akamai, ce qui signifie que notre priorité absolue était de veiller à ce qu'ils brillent pendant l'événement.

Pour un fournisseur multimédia, notre équipe Akamai devait interroger les journaux CDN, ce qui nécessitait de récupérer les données en quelques secondes. Malheureusement pour nous, la collecte et l'analyse des donnés de DataStream 2 et de CMCD prenaient 20 minutes pendant les pics de trafic. Que ce soit pour un grand match ou tout autre événement en direct, cette durée est trop longue.

Pour atténuer rapidement les problèmes de performances et de sécurité, avant que les spectateurs n'en ressentent les effets, nous avions besoin d'informations sur les données en temps réel. Nous devions collecter, analyser et visualiser des données, telles que la région, la ville, l'État, le numéro de système autonome (ASN) et les détails du serveur, en temps réel et avec une vue unifiée pour trouver et corriger plus facilement les erreurs. 

Si nous pouvions voir instantanément quels problèmes étaient propres à un fournisseur et lesquels étaient répartis sur les réseaux ASN, nous pouvions rapidement prendre des décisions d'atténuation, comme le déplacement du trafic vers différentes régions pour contourner les transits concernés.

En réalisant l'analyse d'après-match, nous souhaitions également décortiquer les valeurs aberrantes de performances et déceler leur origine. De cette façon, nous pouvions mesurer leurs conséquences et prendre des décisions d'atténuation fondées sur les données à l'avenir.

Puisque TrafficPeak est un service d'observabilité géré par Akamai et optimisé par Hydrolix,l'utiliser pour le grand match était une évidence. Le service est facile à déployer, et permet même une personnalisation.

Nous avons articulé la visualisation autour des principaux ASN, codes de réponse et erreurs. Nous avons pu surveiller les indicateurs de performances de diffusion et constater une dégradation dans certaines régions. Par exemple, il était facile de filtrer par ville pour voir si la performance était ponctuelle ou s'il existait des valeurs aberrantes, puis d'appliquer des correctifs avant que les spectateurs ne soient affectés.

Pour nous, TrafficPeak a apporté la plus grande valeur dans trois domaines : facilité de personnalisation, données en temps réel et architecture.

En tant que technicien, écrire des requêtes complexes me vient facilement. Malgré tout, avec TrafficPeak, la possibilité de personnaliser toutes les informations de données dans des tableaux de bord personnalisés est une capacité étonnante et impressionnante.

Bien qu'il existe des solutions similaires, comme ELK Stack, pour l'ingestion, le traitement et la visualisation des données, ils ne sont pas aussi rapides que TrafficPeak. Durant les pics de trafic, nous avons collecté près de 11 millions d'enregistrements par seconde, en découpant et en interrogeant les données en quelques secondes seulement. Il est difficile de reproduire cette vitesse avec d'autres outils.

TrafficPeak est conçu pour être à l'intérieur de Kubernetes. En tant qu'utilisateur de Kubernetes, je comprends comment faire évoluer et distribuer le service. Son design est idéal pour les déploiements cloud. Il est clair que la conception logicielle et l'architecture back-end ont été mûrement réfléchies.

Le grand match a été un événement réussi. Nous avons collecté 53 milliards d'enregistrements et condensé 41 téraoctets de données brutes en moins de 5,76 téraoctets de données compressées pour le stockage. Nous avons eu un faible nombre d'erreurs, ce que j'attribue au fait que TrafficPeak fournissait une visibilité en temps réel sur les erreurs au fur et à mesure qu'elles se produisaient afin que nous puissions les améliorer instantanément.

De plus, il a été vraiment utile d'obtenir de la visibilité sur toutes nos données. En général, avec les événements en direct, il est difficile de voir et de comprendre ce qui se passe en temps réel. Nos clients multimédia ont besoin de mesures telles que le débit binaire moyen afin de s'assurer que la plupart des utilisateurs aient le meilleur rendu. TrafficPeak nous a fourni ces indicateurs afin que nous puissions les atténuer en temps réel.

Après l'événement, nous avons utilisé TrafficPeak pour analyser tous les problèmes de performance qui se sont produits. Les résultats ont montré des domaines où nous pouvons apporter des améliorations pour la prochaine fois, comme la réécriture des filtres pour mieux repérer les problèmes similaires. Maintenant, nous savons comment construire les bons filtres pour les événements futurs afin que ces mêmes problèmes ne se reproduisent pas.