Escalado programado y predictivo

Las políticas de escalado dinámico (Target Tracking y Step Scaling) son reactivas: responden después de que ya se haya superado un umbral de métrica. Para patrones de tráfico conocidos y predecibles, como los picos del horario laboral, los procesos por lotes de fin de mes o las ventas del Black Friday, el escalado reactivo es demasiado lento, porque las instancias tardan minutos en iniciarse y calentarse. El Scheduled Scaling y el Predictive Scaling solucionan este problema ajustando la capacidad de forma proactiva antes de que llegue la carga.

Una acción de escalado programado cambia la capacidad mínima, máxima o deseada del ASG en una fecha y hora concretas, o según una programación cron recurrente. Es ideal cuando sabe exactamente cuándo aumentará la carga; por ejemplo, para precalentar la capacidad antes de un evento de marketing planificado o reducirla durante la noche, cuando el tráfico es mínimo, para ahorrar costes. Las acciones programadas reemplazan la capacidad deseada actual a la hora especificada.

Las acciones programadas utilizan el formato cron de Unix: minute hour day-of-month month day-of-week. Todas las horas están expresadas en UTC. Entre los patrones habituales se incluyen 0 8 * * 1-5 (mañanas de días laborables a las 08:00 UTC) para aumentar la capacidad y 0 20 * * * (todas las noches a las 20:00 UTC) para reducirla. Puede crear varias acciones programadas en el mismo ASG; por ejemplo, una para aumentar la capacidad y otra para volver a reducirla cada día.

Las acciones programadas pueden ser puntuales (se ejecutan una vez a una hora de inicio específica) o recurrentes (se ejecutan según una programación cron). Una acción puntual es perfecta para un evento futuro conocido, como el lanzamiento de un producto. Una acción recurrente gestiona patrones habituales, como los ciclos diarios o semanales de tráfico. También puede establecer una hora de inicio y una hora de finalización en una acción recurrente para activar y desactivar automáticamente una programación dentro de un intervalo de fechas.

Las acciones programadas y las políticas de escalado dinámico pueden coexistir. Una acción programada establece una nueva capacidad base en la hora programada. Después, las políticas dinámicas (seguimiento de destino o escalado por pasos) siguen ajustando la capacidad dentro de los límites mínimo y máximo actualizados. Por ejemplo: una acción programada de la mañana establece min=4 y desired=8; durante el día, el seguimiento de destino aumenta la capacidad hasta 15 cuando hay carga; por la tarde, la acción programada restablece min=2 y desired=2.

Predictive Scaling utiliza aprendizaje automático para analizar los patrones históricos de carga de las métricas de CloudWatch y predecir las necesidades futuras de capacidad. Programa de forma proactiva acciones de aumento de capacidad antes de que llegue la carga prevista, normalmente con entre 5 y 60 minutos de antelación. El escalado predictivo es más adecuado para cargas de trabajo con ciclos de tráfico diarios o semanales repetitivos. Actualiza continuamente sus predicciones a medida que recopila más datos.

Para activar el escalado predictivo, debe asociar una política PredictiveScaling a su ASG. Debe especificar el par de métricas: una métrica de carga (lo que impulsa el escalado, como la CPU o el número de solicitudes de ALB) y una métrica de escalado (lo que se supervisa en cada instancia). A continuación, AWS predice la métrica de carga y calcula el número de instancias necesario para mantener la métrica de escalado en el valor de destino.

Predictive Scaling tiene dos modos: ForecastOnly genera predicciones sin cambiar realmente la capacidad, lo que resulta útil para revisar las predicciones antes de adoptar el escalado automatizado. ForecastAndScale genera predicciones y aplica automáticamente los cambios de capacidad. Comience con ForecastOnly durante unas semanas para validar la precisión y, después, cambie a ForecastAndScale. AWS requiere al menos 24 horas de datos de métricas antes de generar la primera predicción.

Predictive Scaling ejecuta las acciones de aumento de capacidad con antelación, pero puede configurar un SchedulingBufferTime para preparar las instancias aún antes. Un SchedulingBufferTime de 5 minutos significa que la capacidad se añade 5 minutos antes de que la predicción indique que será necesaria. También puede establecer un MaxCapacityBuffer para permitir que el ASG escale por encima de la necesidad prevista en un porcentaje determinado, proporcionando un margen adicional frente a posibles imprecisiones de la predicción.

El patrón recomendado para cargas de trabajo variables pero predecibles consiste en combinar ambos tipos: Predictive Scaling gestiona la carga cíclica esperada colocando la capacidad por adelantado, mientras que Target Tracking Scaling gestiona los picos inesperados que superan la predicción. Juntos proporcionan cobertura proactiva y reactiva. El ASG aplica de forma segura la recomendación de aumento de capacidad más conservadora de ambas políticas.

Utilice Scheduled Scaling cuando los picos de tráfico sean totalmente predecibles y conozca las horas exactas (por ejemplo, patrones determinados por eventos o por el horario comercial). Utilice Predictive Scaling cuando los patrones se repitan, pero la hora exacta pueda variar: el aprendizaje automático aprende el patrón automáticamente. Utilice Target Tracking como mecanismo dinámico de protección permanente frente a cargas inesperadas. Para cargas completamente aleatorias, utilice únicamente el seguimiento de destino o el escalado por pasos. En el examen SAA-C03 se suele pedir que elija el enfoque más eficiente desde el punto de vista operativo, y el escalado predictivo es la mejor opción para cargas de trabajo cíclicas y recurrentes.

Compruebe su comprensión de los conceptos de AWS Solutions Architect (SAA-C03) de esta lección.

En esta lección ha aprendido lo siguiente: Scheduled Scaling utiliza expresiones cron para cambiar la capacidad del ASG en momentos conocidos, por lo que resulta ideal para eventos predecibles o patrones recurrentes del horario comercial; Predictive Scaling utiliza aprendizaje automático sobre datos históricos de CloudWatch para escalar de forma proactiva antes de que llegue la carga; y la combinación de Predictive + Target Tracking proporciona cobertura proactiva y reactiva para conseguir una estrategia de escalado más resistente. A continuación, exploraremos Instance Refresh y Lifecycle Hooks para realizar implementaciones controladas.