سپردن مقیاس پذیری ابر به اتوماسیون

مقیاس خودکار در ابر می‌تواند تضمین کند که سازمان‌ها همیشه منابع دارند، اما گاهی اوقات این یک تصمیم تنبل و پرهزینه است.

اتوماسیون یک ابزار عالی است. به جای اینکه یک بار مشکل را حل کنید، می توانید یک راه حل را خودکار کنید تا به طور خودکار با نیازهای در حال تغییر سازگار شود، بدون نیاز به انسان.

مقیاس پذیری ابر بهترین مثال برای این است. ما دیگر به صورت دستی نیازی به ارائه منابع استاتیک محدود مانند ذخیره سازی و محاسبه نداریم. در عوض، ما اتوماسیونی را راه‌اندازی کردیم (معمولاً برای ما ارائه می‌شود) که می‌تواند تعداد منابع مورد نیاز را بدون اینکه برنامه‌نویسان یا معماران حتی به آن فکر کنند، افزایش دهد.

تعداد و انواع مکانیسم‌های مقیاس‌بندی خودکار بسیار متفاوت است، اما بدون سرور بهترین نمونه مقیاس‌پذیری خودکار است. با توجه به اینکه محاسبات بدون سرور اکنون بخشی از زیرساخت استاندارد مانند ذخیره سازی و تامین منابع محاسباتی است، اکنون بخشی از کانتینرها، پایگاه های داده و شبکه نیز می باشد. بسیاری از منابعی که قبلاً به صورت ایستا پیکربندی می‌شدند، می‌توانند به صورت «خودکار جادویی» تعداد دقیق منابع مورد نیاز برای انجام کار را پیکربندی و ارائه کنند و سپس آنها را پس از استفاده به استخر برگردانند.

به زودی، فهرست کردن تعداد منابعی که بدون سرور نیستند آسان تر خواهد بود، زیرا ارائه دهندگان ابری بدون سرور هستند و خدمات ابری بدون سرور هر ماه افزایش می یابد. بازار محاسبات بدون سرور در سال ۲۰۲۰ ارزش تخمینی ۷.۲۹ میلیارد دلار داشت. علاوه بر این، پیش بینی می شود که نرخ رشد سالانه مرکب ۲۱.۷۱% را برای دوره ۲۰۲۱ تا ۲۰۲۸ حفظ کند. انتظار می رود ارزش سرور بدون سرور تا سال ۲۰۲۸ به ۳۶.۸۴ میلیارد دلار برسد.

سؤال این است که آیا با واگذاری مقیاس‌پذیری به فرآیندهای خودکار، مانند مقیاس‌گذاری خودکار بدون سرور و بومی ابری، همیشه مقرون‌به‌صرفه و کاملاً بهینه‌سازی شده‌ایم از نظر هزینه و استفاده از منابع؟

البته، این یک موضوع پیچیده است. به ندرت یک مسیر صحیح وجود دارد، و اتوماسیون حول مقیاس پذیری نیز از این قاعده مستثنی نیست.

پس‌بک مقیاس‌پذیری خودکار، حداقل «همیشه» وصل کردن آن به سیستم‌های مبتنی بر ابر برای اطمینان از اینکه هیچ‌گاه منابع آنها تمام نمی‌شود، این است که در بسیاری از موقعیت‌ها عملیات سیستم‌ها مقرون‌به‌صرفه و مقرون‌به‌صرفه نخواهد بود. کمتر از کارایی باشد. به عنوان مثال، یک برنامه کنترل موجودی برای یک فروشگاه خرده فروشی ممکن است نیاز به پشتیبانی ۱۰ برابری از پردازش در طول تعطیلات داشته باشد. ساده‌ترین راه برای اطمینان از اینکه سیستم می‌تواند به‌طور خودکار ظرفیت اضافی مورد نیاز خود را در اطراف نوک‌های فصلی تأمین کند، استفاده از سیستم‌های مقیاس‌بندی خودکار، مانند سرویس‌های مقیاس خودکار بدون سرور یا سنتی‌تر است.

مشکلات مربوط به بهینه سازی هزینه آن راه حل خاص است. بگوییم که یک برنامه موجودی دارای رفتارهای داخلی است که اتوماسیون مقیاس‌گذاری تشخیص می‌دهد که به منابع محاسباتی یا ذخیره‌سازی بیشتری نیاز دارد. این منابع به طور خودکار برای پشتیبانی از بار پیش بینی شده اضافی تهیه می شوند. با این حال، برای این کاربرد خاص، رفتارهایی که نیاز به منابع بیشتر را تحریک می کنند، در واقع به منابع بیشتری نیاز ندارند. به عنوان مثال، یک افزایش لحظه ای در استفاده از CPU کافی است تا ۱۰ سرور محاسباتی اضافی را به صورت آنلاین راه اندازی کند تا از یک منبع مورد انتظار پشتیبانی کند که واقعاً مورد نیاز نیست. در نهایت برای منابعی که واقعاً استفاده نشده‌اند، ۵ تا ۱۰ برابر بیشتر می‌پردازید، حتی اگر چند لحظه پس از تهیه آنها به مجموعه منابع بازگردانده شوند.

نکته اصلی این است که استفاده از مکانیسم‌های مقیاس خودکار برای تعیین نیاز منابع همیشه بهترین راه نیست. واگذاری مقیاس پذیری فقط به اتوماسیون به این معنی است که احتمال تدارک منابع بسیار زیاد یا کم بسیار بیشتر از زمانی است که منابع بر اساس نیازهای دقیق برنامه تدارک دیده شوند.

بنابراین، می‌توانیم مقیاس‌پذیری خودکار را روشن کنیم، اجازه دهیم ارائه‌دهنده ابر تصمیم بگیرد و در نهایت ۴۰ درصد بیشتر هزینه کنیم، اما هرگز نگران مقیاس‌پذیری نباشیم. یا می‌توانیم مهندسی سیستم را با جزئیات بیشتری انجام دهیم، منابع مورد نیاز را مطابقت دهیم و آن منابع را به روشی دقیق‌تر و مقرون به صرفه‌تر ارائه کنیم.

هیچ کس در اینجا پاسخی ندارد. برخی از سیستم هایی هستند که من می سازم که با مقیاس خودکار بسیار قابل اعتمادتر و مقرون به صرفه تر هستند. آنها اغلب در استفاده از منابع پویایی بیشتری دارند و بهتر است برای ادامه روند تلاش کنید.

اما ما برای بسیاری از این موارد استفاده پول روی میز می گذاریم. اکثر محاسبات ظرفیت سیستم به خوبی درک می شوند و بنابراین تعداد منابع مورد نیاز نیز به خوبی درک می شود. در این موارد، اغلب متوجه می‌شویم که اگر کنترل تأمین منابع و حذف منابع را پس بگیریم، در نهایت با رویکردهای مقرون‌به‌صرفه‌تری برای استقرار برنامه‌های مبتنی بر ابر مواجه می‌شویم که می‌تواند صدها هزار دلار در طول سال‌ها صرفه‌جویی کند. فقط گفتن.