Penskalaan Otomatis dan Penyeimbangan Beban
Jadikan backend berbasis EC2 tangguh dan elastis dengan menggabungkan Grup Auto Scaling dan Penyeimbang Beban Aplikasi untuk menangani perubahan trafik.
Penskalaan Otomatis dan Penyeimbangan Beban adalah pelajaran AWS for Backend Developers (EC2, S3, RDS, Lambda) gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar AWS for Backend Developers (EC2, S3, RDS, Lambda), dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus AWS for Backend Developers (EC2, S3, RDS, Lambda) mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
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.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Penskalaan Otomatis dan Penyeimbangan Beban” gratis?
Ya — teks lengkap “Penskalaan Otomatis dan Penyeimbangan Beban” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus AWS for Backend Developers (EC2, S3, RDS, Lambda), upgrade ke CoddyKit PRO. Kursus AWS for Backend Developers (EC2, S3, RDS, Lambda) mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Penskalaan Otomatis dan Penyeimbangan Beban”?
Jadikan backend berbasis EC2 tangguh dan elastis dengan menggabungkan Grup Auto Scaling dan Penyeimbang Beban Aplikasi untuk menangani perubahan trafik. Kamu berlatih AWS for Backend Developers (EC2, S3, RDS, Lambda) dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai AWS for Backend Developers (EC2, S3, RDS, Lambda)?
Tidak diperlukan pengalaman sebelumnya. AWS for Backend Developers (EC2, S3, RDS, Lambda) di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Penskalaan Otomatis dan Penyeimbangan Beban” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran AWS for Backend Developers (EC2, S3, RDS, Lambda) ini?
Ya. Setiap pelajaran AWS for Backend Developers (EC2, S3, RDS, Lambda) menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Pengantar AWS untuk Backend
- Meluncurkan Instans EC2 Pertama Anda
- Menghubungkan dan Mengelola EC2 secara Dasar
- Penskalaan Otomatis dan Penyeimbangan Beban