Azərbaycanca AzərbaycancaБеларускі БеларускіDansk DanskDeutsch DeutschEspañola EspañolaFrançais FrançaisIndonesia IndonesiaItaliana Italiana日本語 日本語Қазақ ҚазақLietuvos LietuvosNederlands NederlandsPortuguês PortuguêsРусский Русскийසිංහල සිංහලแบบไทย แบบไทยTürkçe TürkçeУкраїнська Українська中國人 中國人United State United StateAfrikaans Afrikaans
Підтримка
www.wikidata.uk-ua.nina.az

Автомасштабуванняабо автоматичне масштабування це метод який використовується в хмарних обчисленнях при якому кількість

Автомасштабування

Автомасштабування

Автомасштабування або автоматичне масштабування - це метод, який використовується в хмарних обчисленнях, при якому кількість обчислювальних ресурсів у межах серверної ферми, яка зазвичай вимірюється за кількістю активних серверів, автоматично масштабується в залежності від навантаження на ферму. Він тісно пов'язаний з ідеєю балансування навантаження і ґрунтується на ній.

Переваги

Автомасштабування має наступні переваги:

  • Для компаній, що працюють на власній інфраструктурі вебсервера, автомасштабування, як правило, означає, що деякі сервери можуть засинати під час низького завантаження, заощаджуючи витрати на електроенергію (а також витрати на воду, якщо вода використовується для охолодження машин).
  • Для компаній, що використовують інфраструктуру, розміщену у хмарі, автомасштабування може означати нижчі рахунки, оскільки більшість постачальників хмарних послуг нараховують рахунок на основі загального використання, а не максимальної потужності.
  • Навіть для компаній, які не можуть зменшити загальну обчислювальну потужність, яку вони використовують або оплачують, автомасштабування може допомогти, дозволяючи компанії працювати з меншими часовими навантаженнями на машинах, які звільняються автомасштабуванням під час низького трафіку.
  • Рішення автомасштабування, наприклад, пропоновані Amazon Web Services, також можуть піклуватися про зміну хворих екземплярів і, отже, частково захищати від збоїв обладнання, мережі і застосунків.
  • Автомасштабування може запропонувати більший час роботи і доступність в тих випадках, коли виробничі навантаження змінні і непередбачувані.

Автомасштабування відрізняється від постійного щоденного, щотижневого або річного циклу використання сервера тим, що воно реагує на фактичні шаблони використання і, таким чином, зменшує потенційний недолік наявності надто великої кількості серверів або надто великої кількості трафіку для завантаження. Наприклад, якщо трафік звичайно нижче в північ, то рішення статичного масштабування може запланувати занурити в сон деякі сервера, але це може призвести до простою вночі, коли люди більше використовують Інтернет (наприклад, через вірусні новини). З іншого боку, автомасштабування може обробляти неочікувані скачки трафіку краще.

Термінологія

У наведеному нижче списку ми використовуємо термінологію, що використовується у Amazon Web Services (AWS). Проте, вказуються також альтернативні назви і термінологія, тому що специфічні службам Amazon назви не використовується для позначень.

Назва (використовується в AWS, якщо не зазначено інше) Значення Альтернативні назви (використовуються в Google Cloud Platform, Microsoft Azure, or other platforms)
Екземпляр Єдиний сервер або машина, що входить до складу групи машин, які підлягають автомасштабуванню
Група автомасштабування Набір екземплярів, що підлягають автомасштабуванню, з усіма відповідними політиками та інформацією про стан Група керованих екземплярів (Google Cloud Platform)
Розмір Кількість екземплярів, що в даний час входять до групи автомасштабування
Бажана потужність (або бажаний розмір) Кількість екземплярів, які група автомасштабування повинна мати в будь-який момент часу. Якщо наявний розмір менше, ніж потрібний розмір, група автомасштабування намагатиметься запустити (забезпечити та приєднати) нові екземпляри. Якщо розмір більше, ніж потрібний розмір, група автомасштабування буде намагатися видалити (від'єднати та припинити) екземпляри
Мінімальний розмір  Ряд екземплярів, нижче яких бажана потужність не допускається


Максимальний розмір Ряд екземплярів, вище яких бажана потужність не може підвищуватися 
Метрика Вимір (наприклад, використання ЦП, використання пам'яті, використання мережі), пов'язаний з групою автомасштабування, для якої періодично створюється тимчасової ряд точок даних. Пороги для показників можуть використовуватися для установки політик автомасштабування. Метрики можуть бути засновані на агрегатах показників для екземплярів групи автомасштабування або на основі балансувальників навантаження, пов'язаних з групою автомасштабування
Політика масштабування (або політика автомасштабування) Політика, яка показує зміну бажаної ємності групи автомасштабування (або іноді її мінімальний і максимальний розмір) у відповідь на метрики, що перетинають певні порогові значення. Політики масштабування можуть мати пов'язані періоди перезарядки, які запобігають появі додаткових дій масштабування відразу після певної дії. Зміни в бажаної ємності можуть бути інкрементальними (збільшення або зменшення на певне значення) або можуть вказувати нове значення необхідної ємності. Політики, які збільшують бажану пропускну здатність, називаються «scaling out» або «scaling up», а політики, які зменшують бажану ємність, називаються «scaling in» або «scaling down»
Перевірка здоров'я Спосіб групи автомасштабування для визначення, чи правильно працюють екземпляри, прикріплені до неї. Перевірка працездатності може бути заснована на тому, чи існує екземпляр і доступний він, або на тому, що екземпляр все ще зареєстрований і перебуває на службі з відповідним балансувальником навантаження
Стартова компоновка  Опис параметрів і сценаріїв, які використовуються при запуску нового екземпляра. Сюди входять тип екземпляра, варіанти покупки (наприклад, спот за запитом у разі AWS), можливі зони доступності для запуску, машинне зображення і сценарії для запуску при старті Шаблон екземпляра

(Google Cloud Platform)

Ручне масштабування Масштабна дія виконана вручну 
Заплановане масштабування  Політика масштабування, яка виконується в певний час, наприклад, час дня чи тижня, місяць або рік.

Розвиток

Amazon Web Services (AWS)

image
Auto-scaling

Amazon Web Services запустила сервіс Amazon Elastic Compute Cloud (EC2) у серпні 2006 року, який дозволив розробникам програмно створювати та припиняти дії екземплярів (машин). Під час першого запуску AWS не пропонував автомасштабування, але здатність програмно створювати та припиняти екземпляри дали розробникам можливість писати власний код для автомасштабування.

Незалежне програмне забезпечення автомасштабування для AWS почало з'являтися приблизно в квітні 2008 року. До них входили інструменти від  Scalr та RightScale. RightScale був використаний Animoto, який зміг обробити трафік Facebook шляхом прийняття автомасштабування.

18 травня 2009 року Amazon запустив власну функцію автомасштабування у парі з Elastic Load Balancing, як частину Amazon Elastic Compute Cloud. Автомасштабування тепер є невід'ємним компонентом пропозиції Amazon EC2.. Автомасштабування на Amazon Web Services здійснюється через веббраузер або інструментом командної строки.

Постачальник відео-замовлень Netflix документально підтвердив, що використовує автомасштабування вебслужб Amazon, щоб задовольнити свої дуже різноманітні споживчі потреби. Вони виявили, що агресивне масштабування і затримка з обережним зменшенням масштабів служили своїм цілям безвідмовної роботи та швидкості реагування..

У статті для TechCrunch, Зев Ладерман, співзасновник і головний виконавчий директор Newvem, служба, яка допомагає оптимізувати інфраструктуру хмарних технологій AWS, рекомендував початковим компаніям використовувати автомасштабування, щоб забезпечити низьку вартість своїх вебсервісів Amazon. 

Різні керівництва з найкращої практики використання AWS дозволяють використовувати функцію автомасштабування, навіть якщо навантаження не є змінним. Це пояснюється тим, що автомасштабування пропонує ще дві переваги: автоматичну заміну будь-яких екземплярів, які з будь-якої причини стають нездоровими (такі як апаратні збої, збій мережі чи помилки програми) та автоматичне заміщення штучних екземплярів, які перериваються через ціну або потужність; приводячи до того, що томубільш доцільно використовувати випадкові екземпляри для виробничих цілей. Внутрішня найкраща практика Netflix вимагає, щоб кожен екземпляр знаходився в групі автомасштабування, а її мавпа відповідності припиняє будь-який екземпляр не в групі автомасштабування, щоб забезпечити виконання цієї найкращої практики.

Microsoft's Windows Azure

27 червня 2013 року Microsoft оголосила про те, що додала підтримку автомасштабування для своєї платформи хмарних обчислень Windows Azure. Документація для цієї функції доступна на Microsoft Developer Network.

Платформа Google Cloud

17 листопада 2014 року Google Compute Engine оголосила публічну бета-версію своєї функції автомасштабування для використання в застосунках Google Cloud Platform. Станом на березень 2015 року інструмент автомасштабування все ще знаходиться в бета-версії.

Facebook

У себе в блозі, в серпні 2014 року, інженер Facebook повідомив, що компанія почала використовувати автомасштабування, щоб зменшити витрати на енергію. У повідомленні блогу говорилося про зниження енергоспоживання на 27% за часів низького трафіку (близько півночі) та зниження споживання енергії на 10-15% за звичайний цілодобовий цикл.

Альтернативи для автомасштабування

Автомасштабування - це реактивний спосіб боротьби з масштабуванням трафіку: масштабування відбувається лише у відповідь на зміни в показниках в режимі реального часу. У деяких випадках, особливо коли зміни відбуваються дуже швидко, цей реактивний підхід до масштабування є недостатнім. Два інших види масштабування описані нижче. Рішення автомасштабування, такі як AWS, дозволяють використовувати ці типи масштабування з існуючими групами автомасштабування, навіть якщо вони концептуально дещо відрізняються від автомасштабування. 

Заплановане масштабування

Це підхід до масштабування, коли зміни вносяться до мінімального розміру, максимального розміру або бажаної потужності групи автомасштабування у певні години дня. Масштабування за розкладом корисно, наприклад, якщо в певний час доби спостерігається певне збільшення чи зменшення навантаження на дорожній рух, але зміна занадто раптова для реакції автомасштабування. Групи автомасштабування AWS підтримують планове масштабування.

Прогнозне масштабування

Цей підхід до масштабування використовує інтелектуальну прогнозову аналітику. Ідея полягає в поєднанні останніх тенденцій з історичними даними, а також іншими видами даних для прогнозування використання в майбутньому та масштабу на основі цих прогнозів. Що стосується частин своєї інфраструктури та специфічних робочих навантажень, Netflix виявив, що Scryer, їх двигун аналітичного прогнозування, дав кращі результати, ніж автомасштабування Amazon. Зокрема, він був кращий для:

  • Ідентифікації величезних сплесків попиту в найближчому майбутньому і отриманню потужності трохи наперед
  • Робота з великомасштабними відключеннями, такими як відмова усіх зон доступності та регіонів 
  • Робота зі змінними шаблонами трафіку, що забезпечує більшу гнучкість в швидкості масштабування або в залежності від типового рівня і швидкості зміни попиту в різний час доби

Дивись також

Примітки

  1. (PDF). Berkeley EECS. 10 лютого 2009. Архів оригіналу (PDF) за 4 серпня 2019. Процитовано 21 березня 2015.
  2. . Amazon Web Services. Архів оригіналу за 17 березня 2015. Процитовано 21 березня 2015.
  3. Wu, Qiang (8 серпня 2014). . Facebook Code Blog. Архів оригіналу за 25 лютого 2017. Процитовано 21 березня 2015.
  4. Laderman, Zev (22 квітня 2012). . TechCrunch. Архів оригіналу за 25 вересня 2019. Процитовано 21 березня 2015.
  5. Park, Andrew; Denlinger, Darrell; Watson, Coburn (18 вересня 2015). . Netflix. Архів оригіналу за 1 травня 2017. Процитовано 16 грудня 2016.
  6. Wittig, Michael (26 грудня 2015). . cloudonaut. Архів оригіналу за 25 вересня 2019. Процитовано 16 грудня 2016.
  7. Orzell, Greg; Becker, Justin (18 січня 2012). . Netflix Tech Blog. Архів оригіналу за 9 березня 2017. Процитовано 21 березня 2012.
  8. . Amazon Web Services. Архів оригіналу за 27 грудня 2017. Процитовано 16 грудня 2016.
  9. Cubrilovic, Nik (24 серпня 2006). . TechCrunch. Архів оригіналу за 25 вересня 2019. Процитовано 4 грудня 2016.
  10. Barr, Jeff (25 серпня 2006). . Amazon Web Services Blog. Архів оригіналу за 25 грудня 2018. Процитовано 31 травня 2013.
  11. Work, Henry (3 квітня 2008). . TechCrunch. Архів оригіналу за 22 березня 2015. Процитовано 21 березня 2015.
  12. Howlett, Dennis (25 червня 2008). . ZDNet. Архів оригіналу за 20 грудня 2016. Процитовано 16 грудня 2016.
  13. von Eicken, Thorsten (23 квітня 2008). . Архів оригіналу за грудня 20, 2016. Процитовано 16 грудня 2016.
  14. Barr, Jeff (18 травня 2009). . Amazon Web Services. Архів оригіналу за 25 вересня 2019. Процитовано 15 червня 2016.
  15. . TechTarget. Архів оригіналу за 29 квітня 2019. Процитовано 21 березня 2015.
  16. Barr, Jeff (30 липня 2014). . Amazon Web Services (official blog). Архів оригіналу за 25 вересня 2019. Процитовано 21 березня 2015.
  17. . Amazon Web Services (community-edited page). Архів оригіналу за 5 жовтня 2016. Процитовано 21 березня 2015.
  18. Adams, Rich (3 лютого 2014). . Архів оригіналу за 25 травня 2019. Процитовано 16 грудня 2016.
  19. . . Архів оригіналу за 25 вересня 2019. Процитовано 16 грудня 2016.
  20. . Netflix. 19 липня 2011. Архів оригіналу за 20 березня 2017. Процитовано 5 грудня 2016.
  21. Lardinois, Frederic (27 червня 2013). . TechCrunch. Архів оригіналу за 25 вересня 2019. Процитовано 21 березня 2015.
  22. . ZDNet. 27 червня 2013. Архів оригіналу за 20 грудня 2016. Процитовано 21 березня 2015.
  23. Butler, Brandon (7 серпня 2013). . . Архів оригіналу за 18 травня 2018. Процитовано 21 березня 2015.
  24. . Microsoft Developer Network. Архів оригіналу за 11 лютого 2017. Процитовано 6 грудня 2017.
  25. . Microsoft Developer Network. Архів оригіналу за 14 грудня 2017. Процитовано 21 березня 2015.
  26. Balejko, Filip (17 листопада 2014). . Google Cloud Platform blog. Архів оригіналу за 5 березня 2016. Процитовано 21 березня 2015.
  27. Protalinski, Emil (17 листопада 2014). . VentureBeat. Архів оригіналу за 25 вересня 2019. Процитовано 21 березня 2015.
  28. Lardinois, Frederic (17 листопада 2014). . TechCrunch. Архів оригіналу за 25 вересня 2019. Процитовано 21 березня 2015.
  29. Verge, Jason (17 листопада 2014). . Data Center Knowledge. Архів оригіналу за 25 вересня 2019. Процитовано 21 березня 2015.
  30. . Google Cloud Platform. Архів оригіналу за 12 вересня 2019. Процитовано 21 березня 2015.
  31. . Amazon Web Services. Архів оригіналу за 24 грудня 2017. Процитовано 16 грудня 2016.
  32. Jacobson, Daniel; Yuan, Danny; Joshi, Neeraj. . The Netflix Tech Blog. Netflix. Архів оригіналу за 29 квітня 2017. Процитовано 28 травня 2015.
  33. . Morpheus. 2 листопада 2016. Архів оригіналу за 25 вересня 2019. Процитовано 16 грудня 2016.

Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет

Avtomasshtabuvannyaabo avtomatichne masshtabuvannya ce metod yakij vikoristovuyetsya v hmarnih obchislennyah pri yakomu kilkist obchislyuvalnih resursiv u mezhah servernoyi fermi yaka zazvichaj vimiryuyetsya za kilkistyu aktivnih serveriv avtomatichno masshtabuyetsya v zalezhnosti vid navantazhennya na fermu Vin tisno pov yazanij z ideyeyu balansuvannya navantazhennya i gruntuyetsya na nij PerevagiAvtomasshtabuvannya maye nastupni perevagi Dlya kompanij sho pracyuyut na vlasnij infrastrukturi vebservera avtomasshtabuvannya yak pravilo oznachaye sho deyaki serveri mozhut zasinati pid chas nizkogo zavantazhennya zaoshadzhuyuchi vitrati na elektroenergiyu a takozh vitrati na vodu yaksho voda vikoristovuyetsya dlya oholodzhennya mashin Dlya kompanij sho vikoristovuyut infrastrukturu rozmishenu u hmari avtomasshtabuvannya mozhe oznachati nizhchi rahunki oskilki bilshist postachalnikiv hmarnih poslug narahovuyut rahunok na osnovi zagalnogo vikoristannya a ne maksimalnoyi potuzhnosti Navit dlya kompanij yaki ne mozhut zmenshiti zagalnu obchislyuvalnu potuzhnist yaku voni vikoristovuyut abo oplachuyut avtomasshtabuvannya mozhe dopomogti dozvolyayuchi kompaniyi pracyuvati z menshimi chasovimi navantazhennyami na mashinah yaki zvilnyayutsya avtomasshtabuvannyam pid chas nizkogo trafiku Rishennya avtomasshtabuvannya napriklad proponovani Amazon Web Services takozh mozhut pikluvatisya pro zminu hvorih ekzemplyariv i otzhe chastkovo zahishati vid zboyiv obladnannya merezhi i zastosunkiv Avtomasshtabuvannya mozhe zaproponuvati bilshij chas roboti i dostupnist v tih vipadkah koli virobnichi navantazhennya zminni i neperedbachuvani Avtomasshtabuvannya vidriznyayetsya vid postijnogo shodennogo shotizhnevogo abo richnogo ciklu vikoristannya servera tim sho vono reaguye na faktichni shabloni vikoristannya i takim chinom zmenshuye potencijnij nedolik nayavnosti nadto velikoyi kilkosti serveriv abo nadto velikoyi kilkosti trafiku dlya zavantazhennya Napriklad yaksho trafik zvichajno nizhche v pivnich to rishennya statichnogo masshtabuvannya mozhe zaplanuvati zanuriti v son deyaki servera ale ce mozhe prizvesti do prostoyu vnochi koli lyudi bilshe vikoristovuyut Internet napriklad cherez virusni novini Z inshogo boku avtomasshtabuvannya mozhe obroblyati neochikuvani skachki trafiku krashe TerminologiyaU navedenomu nizhche spisku mi vikoristovuyemo terminologiyu sho vikoristovuyetsya u Amazon Web Services AWS Prote vkazuyutsya takozh alternativni nazvi i terminologiya tomu sho specifichni sluzhbam Amazon nazvi ne vikoristovuyetsya dlya poznachen Nazva vikoristovuyetsya v AWS yaksho ne zaznacheno inshe Znachennya Alternativni nazvi vikoristovuyutsya v Google Cloud Platform Microsoft Azure or other platforms Ekzemplyar Yedinij server abo mashina sho vhodit do skladu grupi mashin yaki pidlyagayut avtomasshtabuvannyu Grupa avtomasshtabuvannya Nabir ekzemplyariv sho pidlyagayut avtomasshtabuvannyu z usima vidpovidnimi politikami ta informaciyeyu pro stan Grupa kerovanih ekzemplyariv Google Cloud Platform Rozmir Kilkist ekzemplyariv sho v danij chas vhodyat do grupi avtomasshtabuvannya Bazhana potuzhnist abo bazhanij rozmir Kilkist ekzemplyariv yaki grupa avtomasshtabuvannya povinna mati v bud yakij moment chasu Yaksho nayavnij rozmir menshe nizh potribnij rozmir grupa avtomasshtabuvannya namagatimetsya zapustiti zabezpechiti ta priyednati novi ekzemplyari Yaksho rozmir bilshe nizh potribnij rozmir grupa avtomasshtabuvannya bude namagatisya vidaliti vid yednati ta pripiniti ekzemplyari Minimalnij rozmir Ryad ekzemplyariv nizhche yakih bazhana potuzhnist ne dopuskayetsya Maksimalnij rozmir Ryad ekzemplyariv vishe yakih bazhana potuzhnist ne mozhe pidvishuvatisya Metrika Vimir napriklad vikoristannya CP vikoristannya pam yati vikoristannya merezhi pov yazanij z grupoyu avtomasshtabuvannya dlya yakoyi periodichno stvoryuyetsya timchasovoyi ryad tochok danih Porogi dlya pokaznikiv mozhut vikoristovuvatisya dlya ustanovki politik avtomasshtabuvannya Metriki mozhut buti zasnovani na agregatah pokaznikiv dlya ekzemplyariv grupi avtomasshtabuvannya abo na osnovi balansuvalnikiv navantazhennya pov yazanih z grupoyu avtomasshtabuvannya Politika masshtabuvannya abo politika avtomasshtabuvannya Politika yaka pokazuye zminu bazhanoyi yemnosti grupi avtomasshtabuvannya abo inodi yiyi minimalnij i maksimalnij rozmir u vidpovid na metriki sho peretinayut pevni porogovi znachennya Politiki masshtabuvannya mozhut mati pov yazani periodi perezaryadki yaki zapobigayut poyavi dodatkovih dij masshtabuvannya vidrazu pislya pevnoyi diyi Zmini v bazhanoyi yemnosti mozhut buti inkrementalnimi zbilshennya abo zmenshennya na pevne znachennya abo mozhut vkazuvati nove znachennya neobhidnoyi yemnosti Politiki yaki zbilshuyut bazhanu propusknu zdatnist nazivayutsya scaling out abo scaling up a politiki yaki zmenshuyut bazhanu yemnist nazivayutsya scaling in abo scaling down Perevirka zdorov ya Sposib grupi avtomasshtabuvannya dlya viznachennya chi pravilno pracyuyut ekzemplyari prikripleni do neyi Perevirka pracezdatnosti mozhe buti zasnovana na tomu chi isnuye ekzemplyar i dostupnij vin abo na tomu sho ekzemplyar vse she zareyestrovanij i perebuvaye na sluzhbi z vidpovidnim balansuvalnikom navantazhennya Startova komponovka Opis parametriv i scenariyiv yaki vikoristovuyutsya pri zapusku novogo ekzemplyara Syudi vhodyat tip ekzemplyara varianti pokupki napriklad spot za zapitom u razi AWS mozhlivi zoni dostupnosti dlya zapusku mashinne zobrazhennya i scenariyi dlya zapusku pri starti Shablon ekzemplyara Google Cloud Platform Ruchne masshtabuvannya Masshtabna diya vikonana vruchnu Zaplanovane masshtabuvannya Politika masshtabuvannya yaka vikonuyetsya v pevnij chas napriklad chas dnya chi tizhnya misyac abo rik RozvitokAmazon Web Services AWS Auto scaling Amazon Web Services zapustila servis Amazon Elastic Compute Cloud EC2 u serpni 2006 roku yakij dozvoliv rozrobnikam programno stvoryuvati ta pripinyati diyi ekzemplyariv mashin Pid chas pershogo zapusku AWS ne proponuvav avtomasshtabuvannya ale zdatnist programno stvoryuvati ta pripinyati ekzemplyari dali rozrobnikam mozhlivist pisati vlasnij kod dlya avtomasshtabuvannya Nezalezhne programne zabezpechennya avtomasshtabuvannya dlya AWS pochalo z yavlyatisya priblizno v kvitni 2008 roku Do nih vhodili instrumenti vid Scalr ta RightScale RightScale buv vikoristanij Animoto yakij zmig obrobiti trafik Facebook shlyahom prijnyattya avtomasshtabuvannya 18 travnya 2009 roku Amazon zapustiv vlasnu funkciyu avtomasshtabuvannya u pari z Elastic Load Balancing yak chastinu Amazon Elastic Compute Cloud Avtomasshtabuvannya teper ye nevid yemnim komponentom propoziciyi Amazon EC2 Avtomasshtabuvannya na Amazon Web Services zdijsnyuyetsya cherez vebbrauzer abo instrumentom komandnoyi stroki Postachalnik video zamovlen Netflix dokumentalno pidtverdiv sho vikoristovuye avtomasshtabuvannya vebsluzhb Amazon shob zadovolniti svoyi duzhe riznomanitni spozhivchi potrebi Voni viyavili sho agresivne masshtabuvannya i zatrimka z oberezhnim zmenshennyam masshtabiv sluzhili svoyim cilyam bezvidmovnoyi roboti ta shvidkosti reaguvannya U statti dlya TechCrunch Zev Laderman spivzasnovnik i golovnij vikonavchij direktor Newvem sluzhba yaka dopomagaye optimizuvati infrastrukturu hmarnih tehnologij AWS rekomenduvav pochatkovim kompaniyam vikoristovuvati avtomasshtabuvannya shob zabezpechiti nizku vartist svoyih vebservisiv Amazon Rizni kerivnictva z najkrashoyi praktiki vikoristannya AWS dozvolyayut vikoristovuvati funkciyu avtomasshtabuvannya navit yaksho navantazhennya ne ye zminnim Ce poyasnyuyetsya tim sho avtomasshtabuvannya proponuye she dvi perevagi avtomatichnu zaminu bud yakih ekzemplyariv yaki z bud yakoyi prichini stayut nezdorovimi taki yak aparatni zboyi zbij merezhi chi pomilki programi ta avtomatichne zamishennya shtuchnih ekzemplyariv yaki pererivayutsya cherez cinu abo potuzhnist privodyachi do togo sho tomubilsh docilno vikoristovuvati vipadkovi ekzemplyari dlya virobnichih cilej Vnutrishnya najkrasha praktika Netflix vimagaye shob kozhen ekzemplyar znahodivsya v grupi avtomasshtabuvannya a yiyi mavpa vidpovidnosti pripinyaye bud yakij ekzemplyar ne v grupi avtomasshtabuvannya shob zabezpechiti vikonannya ciyeyi najkrashoyi praktiki Microsoft s Windows Azure 27 chervnya 2013 roku Microsoft ogolosila pro te sho dodala pidtrimku avtomasshtabuvannya dlya svoyeyi platformi hmarnih obchislen Windows Azure Dokumentaciya dlya ciyeyi funkciyi dostupna na Microsoft Developer Network Platforma Google Cloud 17 listopada 2014 roku Google Compute Engine ogolosila publichnu beta versiyu svoyeyi funkciyi avtomasshtabuvannya dlya vikoristannya v zastosunkah Google Cloud Platform Stanom na berezen 2015 roku instrument avtomasshtabuvannya vse she znahoditsya v beta versiyi Facebook U sebe v blozi v serpni 2014 roku inzhener Facebook povidomiv sho kompaniya pochala vikoristovuvati avtomasshtabuvannya shob zmenshiti vitrati na energiyu U povidomlenni blogu govorilosya pro znizhennya energospozhivannya na 27 za chasiv nizkogo trafiku blizko pivnochi ta znizhennya spozhivannya energiyi na 10 15 za zvichajnij cilodobovij cikl Alternativi dlya avtomasshtabuvannyaAvtomasshtabuvannya ce reaktivnij sposib borotbi z masshtabuvannyam trafiku masshtabuvannya vidbuvayetsya lishe u vidpovid na zmini v pokaznikah v rezhimi realnogo chasu U deyakih vipadkah osoblivo koli zmini vidbuvayutsya duzhe shvidko cej reaktivnij pidhid do masshtabuvannya ye nedostatnim Dva inshih vidi masshtabuvannya opisani nizhche Rishennya avtomasshtabuvannya taki yak AWS dozvolyayut vikoristovuvati ci tipi masshtabuvannya z isnuyuchimi grupami avtomasshtabuvannya navit yaksho voni konceptualno desho vidriznyayutsya vid avtomasshtabuvannya Zaplanovane masshtabuvannya Ce pidhid do masshtabuvannya koli zmini vnosyatsya do minimalnogo rozmiru maksimalnogo rozmiru abo bazhanoyi potuzhnosti grupi avtomasshtabuvannya u pevni godini dnya Masshtabuvannya za rozkladom korisno napriklad yaksho v pevnij chas dobi sposterigayetsya pevne zbilshennya chi zmenshennya navantazhennya na dorozhnij ruh ale zmina zanadto raptova dlya reakciyi avtomasshtabuvannya Grupi avtomasshtabuvannya AWS pidtrimuyut planove masshtabuvannya Prognozne masshtabuvannya Cej pidhid do masshtabuvannya vikoristovuye intelektualnu prognozovu analitiku Ideya polyagaye v poyednanni ostannih tendencij z istorichnimi danimi a takozh inshimi vidami danih dlya prognozuvannya vikoristannya v majbutnomu ta masshtabu na osnovi cih prognoziv Sho stosuyetsya chastin svoyeyi infrastrukturi ta specifichnih robochih navantazhen Netflix viyaviv sho Scryer yih dvigun analitichnogo prognozuvannya dav krashi rezultati nizh avtomasshtabuvannya Amazon Zokrema vin buv krashij dlya Identifikaciyi velicheznih spleskiv popitu v najblizhchomu majbutnomu i otrimannyu potuzhnosti trohi napered Robota z velikomasshtabnimi vidklyuchennyami takimi yak vidmova usih zon dostupnosti ta regioniv Robota zi zminnimi shablonami trafiku sho zabezpechuye bilshu gnuchkist v shvidkosti masshtabuvannya abo v zalezhnosti vid tipovogo rivnya i shvidkosti zmini popitu v riznij chas dobiDivis takozhHmarni obchislennya Balansuvannya navantazhennya Amazon Web Services Auto Scaling with Docker 25 veresnya 2019 u Wayback Machine Primitki PDF Berkeley EECS 10 lyutogo 2009 Arhiv originalu PDF za 4 serpnya 2019 Procitovano 21 bereznya 2015 Amazon Web Services Arhiv originalu za 17 bereznya 2015 Procitovano 21 bereznya 2015 Wu Qiang 8 serpnya 2014 Facebook Code Blog Arhiv originalu za 25 lyutogo 2017 Procitovano 21 bereznya 2015 Laderman Zev 22 kvitnya 2012 TechCrunch Arhiv originalu za 25 veresnya 2019 Procitovano 21 bereznya 2015 Park Andrew Denlinger Darrell Watson Coburn 18 veresnya 2015 Netflix Arhiv originalu za 1 travnya 2017 Procitovano 16 grudnya 2016 Wittig Michael 26 grudnya 2015 cloudonaut Arhiv originalu za 25 veresnya 2019 Procitovano 16 grudnya 2016 Orzell Greg Becker Justin 18 sichnya 2012 Netflix Tech Blog Arhiv originalu za 9 bereznya 2017 Procitovano 21 bereznya 2012 Amazon Web Services Arhiv originalu za 27 grudnya 2017 Procitovano 16 grudnya 2016 Cubrilovic Nik 24 serpnya 2006 TechCrunch Arhiv originalu za 25 veresnya 2019 Procitovano 4 grudnya 2016 Barr Jeff 25 serpnya 2006 Amazon Web Services Blog Arhiv originalu za 25 grudnya 2018 Procitovano 31 travnya 2013 Work Henry 3 kvitnya 2008 TechCrunch Arhiv originalu za 22 bereznya 2015 Procitovano 21 bereznya 2015 Howlett Dennis 25 chervnya 2008 ZDNet Arhiv originalu za 20 grudnya 2016 Procitovano 16 grudnya 2016 von Eicken Thorsten 23 kvitnya 2008 Arhiv originalu za grudnya 20 2016 Procitovano 16 grudnya 2016 Barr Jeff 18 travnya 2009 Amazon Web Services Arhiv originalu za 25 veresnya 2019 Procitovano 15 chervnya 2016 TechTarget Arhiv originalu za 29 kvitnya 2019 Procitovano 21 bereznya 2015 Barr Jeff 30 lipnya 2014 Amazon Web Services official blog Arhiv originalu za 25 veresnya 2019 Procitovano 21 bereznya 2015 Amazon Web Services community edited page Arhiv originalu za 5 zhovtnya 2016 Procitovano 21 bereznya 2015 Adams Rich 3 lyutogo 2014 Arhiv originalu za 25 travnya 2019 Procitovano 16 grudnya 2016 Arhiv originalu za 25 veresnya 2019 Procitovano 16 grudnya 2016 Netflix 19 lipnya 2011 Arhiv originalu za 20 bereznya 2017 Procitovano 5 grudnya 2016 Lardinois Frederic 27 chervnya 2013 TechCrunch Arhiv originalu za 25 veresnya 2019 Procitovano 21 bereznya 2015 ZDNet 27 chervnya 2013 Arhiv originalu za 20 grudnya 2016 Procitovano 21 bereznya 2015 Butler Brandon 7 serpnya 2013 Arhiv originalu za 18 travnya 2018 Procitovano 21 bereznya 2015 Microsoft Developer Network Arhiv originalu za 11 lyutogo 2017 Procitovano 6 grudnya 2017 Microsoft Developer Network Arhiv originalu za 14 grudnya 2017 Procitovano 21 bereznya 2015 Balejko Filip 17 listopada 2014 Google Cloud Platform blog Arhiv originalu za 5 bereznya 2016 Procitovano 21 bereznya 2015 Protalinski Emil 17 listopada 2014 VentureBeat Arhiv originalu za 25 veresnya 2019 Procitovano 21 bereznya 2015 Lardinois Frederic 17 listopada 2014 TechCrunch Arhiv originalu za 25 veresnya 2019 Procitovano 21 bereznya 2015 Verge Jason 17 listopada 2014 Data Center Knowledge Arhiv originalu za 25 veresnya 2019 Procitovano 21 bereznya 2015 Google Cloud Platform Arhiv originalu za 12 veresnya 2019 Procitovano 21 bereznya 2015 Amazon Web Services Arhiv originalu za 24 grudnya 2017 Procitovano 16 grudnya 2016 Jacobson Daniel Yuan Danny Joshi Neeraj The Netflix Tech Blog Netflix Arhiv originalu za 29 kvitnya 2017 Procitovano 28 travnya 2015 Morpheus 2 listopada 2016 Arhiv originalu za 25 veresnya 2019 Procitovano 16 grudnya 2016

Дата публікації:
Топ