Führender EU-Telekommunikationsanbieter
Qualysoft hat eine monolithische, fehleranfällige GPS-Flottenplattform in eine optimierte, testerprobte Architektur umgewandelt; dadurch werden Skalierbarkeit ermöglicht, Latenzzeiten drastisch reduziert und eine zuverlässige Geräteerfassung wiederhergestellt.
Key Results
Zusammenfassung
Ein GPS-basiertes Flottenverfolgungssystem soll neu konzipiert werden, um Skalierungs-, Zuverlässigkeits- und Sicherheitsprobleme zu beheben, die während einer früheren Microservices-Migration entstanden sind.
Kunde
Ein in Europa anerkannter Marktführer im Telekommunikationsbereich
Branche
Telekommunikation / Telematik / IoT
Standort
Europa
Größe
Enterprise (nationale Präsenz; hohe Geräteanzahl)
Leistungen
Lösungsarchitektur, Backend Engineering, Plattform Hardening, QA-Automatisierung (TDD), DevOps Enablement, performance engineering
Technologien
.NET, SQL Server, RabbitMQ, Redis, Elasticsearch, Azure DevOps, Docker
Eingesetztes Team
Lösung Architect, .NET Engineers, QA-Automation-Engineer(s), DevOps/SRE, Performance Engineer
Zusammenarbeit / Projektdauer
Mehrphasiges Engagement mit gestaffelten Cutovers
Die bestehende Plattform hatte Schwierigkeiten, neue Clients und Geräte zu integrieren. Ein vorheriger Umstieg auf Microservices führte zu Skalierbarkeits- und Sicherheitslücken, übermäßiger Kommunikation zwischen den Diensten und instabilen Cache-Aktualisierungen, die etwa 50 % der Verarbeitungszeit beanspruchten. Das System wies hohe Fehlerraten, komplexen Code und kein robustes Failover auf, wodurch bei Störungen das Risiko eines GPS-Datenverlusts bestand.
- Domain-Driven Design (DDD) – Abgegrenzte Kontexte (Datenerfassung, -verfolgung, Benachrichtigungen, Berichterstattung) wurden präzisiert, Dienste an Domänenmodellen ausgerichtet und unnötige Komplexität beseitigt.
- Servicekonsolidierung – Die Anzahl der Microservices wurde reduziert, um Netzwerk-Hops und Fehlerquellen zu minimieren; Verträge und Nachrichtenschemata wurden vereinfacht.
- Testgetriebene Entwicklung (TDD) – Über 2.400 Unit- und Integrationstests wurden erstellt; Abdeckungsschwellenwerte und Vertragstests wurden durchgesetzt, um Regressionen zu vermeiden.
- Hochdurchsatz-Pipeline – RabbitMQ wurde für sprunghafte Telemetrie, Redis für schreiboptimiertes Caching und Elasticsearch für schnelle Abfragen und Analysen optimiert.
- Zuverlässigkeit & Failover – Multi-Server-Failover und idempotente Verarbeitung wurden hinzugefügt, um GPS-Datenverlust zu verhindern; Integritätsprüfungen und Gegendrucksteuerung wurden implementiert.
- DevOps & CI/CD – Azure DevOps-Pipelines mit kontrollierten Releases für Staging und Produktion, Blue/Green-Strategien, Observability (Logs/Metriken/Traces) und automatisierten Rollbacks.
- Daten & Speicher – Optimierter SQL Server mit Partitionierung/Indexierung für Zeitreihen-Schreibvorgänge und Lesereplikate für die Berichterstellung.
- Performance – Der End-to-End-Durchsatz wurde um das 70-Fache verbessert; Latenz und Warteschlangenrückstände wurden drastisch reduziert.
- Einfachheit – Die zyklomatische Komplexität wurde durchschnittlich um 40 % reduziert; weniger Services, klarere Verantwortlichkeiten, schnellere Änderungszyklen.
- Skalierbarkeit – Stabile Unterstützung für 8.000 Geräte pro Instanz mit Potenzial und geplantem Weg zu 50.000 Geräten.
- Qualität und Sicherheit – Testgetriebene Entwicklung (TDD) und kontinuierliche Prozesssteuerung (CI/CD) reduzierten Regressionen und ermöglichten häufige, sichere Releases.
- Ausfallsicherheit – Failover und idempotente Verarbeitung eliminierten Telemetrieverluste bei Störungen und verbesserten so die Einhaltung von Service-Level-Agreements (SLAs) und das Kundenvertrauen.
