Mise à l’échelle automatique et répartition de charge
Rendez votre serveur dorsal basé sur EC2 résilient et élastique en combinant des groupes Auto Scaling avec un Application Load Balancer pour gérer l’évolution du trafic.
Mise à l’échelle automatique et répartition de charge est une leçon AWS for Backend Developers (EC2, S3, RDS, Lambda) gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage AWS for Backend Developers (EC2, S3, RDS, Lambda), et ta progression se synchronise sur le web et l'application CoddyKit. Le cours AWS for Backend Developers (EC2, S3, RDS, Lambda) comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
From One Server to Many
One EC2 instance is a single point of failure. Backends run an Auto Scaling Group of instances behind a load balancer that spreads requests across them.
The Launch Template
An ASG needs a recipe for the instances it spins up. A launch template defines the AMI, instance type, and startup configuration.
Anatomy of an Auto Scaling Group
An Auto Scaling Group holds a minimum, desired, and maximum count. It keeps the desired number running and replaces unhealthy instances on its own.
Health Checks
The ASG runs health checks: when an instance fails, it terminates that one and launches a replacement, holding the fleet at the desired size.
Why a Load Balancer?
A load balancer gives clients one stable endpoint while spreading requests across healthy instances. The ALB works at HTTP and routes by path or host.
Listeners and Target Groups
Two ALB pieces: a listener watches a port (like 80) for connections, and a target group is the pool of instances it forwards to.
Connecting the ASG to the ALB
The ASG auto-registers its instances with the target group, so new instances start getting traffic and terminated ones are removed — no manual wiring.
Scaling Policies
A scaling policy adjusts the desired count by metric. Target tracking is simplest: hold average CPU near, say, 50% and AWS adds or removes instances to keep it.
A Python Scaling Simulation
This snippet models target tracking — comparing current CPU to the target to compute the new instance count.
current_cpu = 80
target_cpu = 50
current_count = 4
desired = round(current_count * current_cpu / target_cpu)
print('Scale to', desired, 'instances')Multi-AZ for High Availability
Spread the ASG across multiple Availability Zones. If one AZ goes down, instances in the others keep serving and the ALB stops routing to the failed zone.
Cost and Cooldowns
Scaling out costs money, and rapid up-down thrashing wastes it. A cooldown pauses further scaling so the fleet stabilizes before reacting again.
Quick Check
A traffic spike hits your fleet — what does target tracking do, and how does the ALB keep responses flowing?
Recap: Elastic, Resilient Backends
Recap: launch templates define instances, Auto Scaling Groups self-heal around min/desired/max, and an ALB with target-tracking and multi-AZ adds elasticity and resilience.
Questions Fréquemment Posées
La leçon « Mise à l’échelle automatique et répartition de charge » est-elle gratuite ?
Oui — le texte complet de « Mise à l’échelle automatique et répartition de charge » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours AWS for Backend Developers (EC2, S3, RDS, Lambda), passe à CoddyKit PRO. Le cours AWS for Backend Developers (EC2, S3, RDS, Lambda) comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Mise à l’échelle automatique et répartition de charge » ?
Rendez votre serveur dorsal basé sur EC2 résilient et élastique en combinant des groupes Auto Scaling avec un Application Load Balancer pour gérer l’évolution du trafic. Tu pratiques AWS for Backend Developers (EC2, S3, RDS, Lambda) avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer AWS for Backend Developers (EC2, S3, RDS, Lambda) ?
Aucune expérience préalable n'est requise. AWS for Backend Developers (EC2, S3, RDS, Lambda) sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.
Combien de temps prend la leçon « Mise à l’échelle automatique et répartition de charge » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon AWS for Backend Developers (EC2, S3, RDS, Lambda) ?
Oui. Chaque leçon AWS for Backend Developers (EC2, S3, RDS, Lambda) inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Introduction à AWS pour le développement backend
- Lancer votre première instance EC2
- Connexion et gestion de base d’EC2
- Mise à l’échelle automatique et répartition de charge