Auto Scaling Preditivo, A automação da automação
O Auto Scaling já é um amigo conhecido, dos usuários de nuvem. Basicamente este serviço automatiza as operações de escalabilidade horizontal na sua infraestrutura, ou seja, cresça ou diminua em resposta à demanda de usuários na sua aplicação, facilitando a vida dos operadores de sistemas, pois não precisam mais tentar adivinhar suas necessidades de escala, nem tão pouco superdimensionar sua infraestrutura para atender os picos de demanda mas que na maior parte do tempo fica ociosa e só gera custos desnecessários.
Até agora, todo o processo de auto scaling era feito de forma reativa, ou seja, a demanda vem primeiro que a capacidade, mas a Spotinst lançou esse ano a habilidade de Auto Scaling Preditivo em sua plataforma.
A habilidade de Auto-Scaling Preditivo do Elastigroup, produto da Spotinst está simplificando o processo de definição de políticas de ajuste de escala, identificando horários de pico na plataforma e escalonando automaticamente a capacidade correta antecipadamente, ou seja, automatizando o processo de decisão de escalabilidade, transformando o que hoje é um processo reativo, para um processo proativo.
Para gerenciar os vários desafios tecnológicos no mecanismo de previsão, a Spotinst desenvolveu um algoritmos de Machine Learning que coletam e processam as métricas do cluster ao longo do tempo (CPU e In \ Out Network Traffic), para criar uma linha de base que eventualmente fornecerá uma métrica prevista da carga futura do cluster e começa a determinar a quantidade mínima de instâncias necessárias para atender à demanda prevista do cluster.
O mecanismo de previsão do Auto-Scaling Preditivo foi desenvolvido com base no mesmo algoritmo usado na previsão de interrupção de instâncias Spot da Spotinst. Além disso, o algoritmo sabe diferenciar entre ciclos normais e anormais, que podem escalar incorretamente seu cluster para cima ou para baixo.
O período de aprendizagem de ciclo do Predictive Auto-Scaling baseia-se no período de tempo em questão, isso significa que para uma previsão por hora, o algoritmo precisará de um período de aprendizado de 1 dia para prever a carga do dia seguinte na mesma hora,
para uma previsão diária, o algoritmo precisará de um período de aprendizado de uma semana para prever a carga da semana seguinte no mesmo dia. Sempre considerando as políticas de "Target-Scaling" já existentes.
O Predictive Auto-Scaling da Spotinst é uma função opcional, se você já é usuário e quer saber mais como aproveitar dessa incrível e inteligente inovação acesse o link: https://spotinst.com/blog/spotinst-elastigroup-is-now-empowered-by-predictive-auto-scaling/
Créditos:
Texto original de Ido Assaf, CS Architect da Spotinst
Tradução, resumo e adaptação por Rodrigo Medeiros