Penskalaan Terjadwal dan Prediktif

Kebijakan penskalaan dinamis (target tracking dan step scaling) bersifat reaktif—kebijakan tersebut merespons setelah ambang metrik sudah terlampaui. Untuk pola lalu lintas yang diketahui dan dapat diprediksi, seperti lonjakan pada jam kerja, proses batch akhir bulan, atau penjualan Black Friday, penskalaan reaktif terlalu lambat karena peluncuran dan pemanasan instans memerlukan waktu beberapa menit. Scheduled Scaling dan Predictive Scaling mengatasi hal ini dengan menyesuaikan kapasitas secara proaktif sebelum beban tiba.

Tindakan Scheduled Scaling mengubah kapasitas minimum, maksimum, atau yang diinginkan dari ASG pada tanggal dan waktu tertentu, atau berdasarkan jadwal cron berulang. Fitur ini ideal ketika Anda mengetahui dengan tepat kapan beban akan meningkat—misalnya, melakukan pemanasan awal sebelum acara pemasaran yang direncanakan, atau menurunkan skala pada malam hari ketika lalu lintas minimal untuk menghemat biaya. Tindakan terjadwal menggantikan kapasitas yang diinginkan saat ini pada waktu yang ditentukan.

Tindakan terjadwal menggunakan format cron Unix: minute hour day-of-month month day-of-week. Semua waktu menggunakan UTC. Pola umum mencakup 0 8 * * 1-5 (pagi hari kerja pukul 08.00 UTC) untuk peningkatan skala dan 0 20 * * * (setiap malam pukul 20.00 UTC) untuk penurunan skala. Anda dapat membuat beberapa tindakan terjadwal pada ASG yang sama, misalnya satu tindakan untuk meningkatkan skala dan satu tindakan untuk menurunkannya kembali setiap hari.

Tindakan terjadwal dapat berupa sekali jalan (dijalankan sekali pada waktu mulai tertentu) atau berulang (dijalankan berdasarkan jadwal cron). Tindakan sekali jalan cocok untuk peristiwa mendatang yang sudah diketahui, seperti peluncuran produk. Tindakan berulang menangani pola rutin, seperti siklus lalu lintas harian atau mingguan. Anda juga dapat menetapkan waktu mulai dan waktu berakhir pada tindakan berulang untuk mengaktifkan dan menonaktifkan jadwal secara otomatis dalam rentang tanggal tertentu.

Tindakan terjadwal dan kebijakan penskalaan dinamis dapat berjalan berdampingan. Tindakan terjadwal menetapkan kapasitas dasar baru pada waktu yang dijadwalkan. Setelah itu, kebijakan dinamis (pelacakan target atau penskalaan bertahap) terus menyesuaikan kapasitas dalam batas minimum/maksimum yang telah diperbarui. Contohnya: tindakan terjadwal pagi menetapkan min=4, desired=8; pada siang hari, pelacakan target meningkatkan skala hingga 15 saat beban tinggi; kemudian tindakan terjadwal sore mengatur ulang min=2, desired=2.

Predictive Scaling menggunakan pembelajaran mesin untuk menganalisis pola beban historis dari metrik CloudWatch dan memprediksi kebutuhan kapasitas di masa mendatang. Fitur ini secara proaktif menjadwalkan tindakan peningkatan skala sebelum beban yang diprediksi datang—biasanya 5–60 menit sebelumnya. Predictive scaling paling sesuai untuk beban kerja dengan siklus lalu lintas harian atau mingguan yang berulang. Fitur ini terus memperbarui prediksinya saat mengumpulkan lebih banyak data.

Anda mengaktifkan predictive scaling dengan memasang kebijakan PredictiveScaling pada ASG. Anda menentukan pasangan metrik: metrik beban (hal yang mendorong penskalaan, seperti CPU atau jumlah permintaan ALB) dan metrik penskalaan (hal yang Anda pantau pada setiap instans). AWS kemudian memprediksi metrik beban dan menghitung jumlah instans yang diperlukan untuk menjaga metrik penskalaan pada nilai target Anda.

Predictive Scaling memiliki dua mode: ForecastOnly menghasilkan prediksi tanpa benar-benar mengubah kapasitas—berguna untuk meninjau prediksi sebelum menerapkan penskalaan otomatis. ForecastAndScale menghasilkan prediksi sekaligus menerapkan perubahan kapasitas secara otomatis. Mulailah dengan ForecastOnly selama beberapa minggu untuk memvalidasi keakuratannya, lalu beralih ke ForecastAndScale. AWS memerlukan setidaknya 24 jam data metrik sebelum menghasilkan prediksi pertama.

Predictive Scaling menjalankan tindakan peningkatan skala lebih awal, tetapi Anda dapat mengonfigurasi SchedulingBufferTime untuk menyiapkan instans lebih awal lagi. Nilai SchedulingBufferTime sebesar 5 menit berarti kapasitas ditambahkan 5 menit sebelum prediksi menunjukkan bahwa kapasitas tersebut diperlukan. Anda juga dapat menetapkan MaxCapacityBuffer agar ASG dapat meningkatkan skala melampaui kebutuhan yang diprediksi berdasarkan persentase tertentu, sehingga menyediakan ruang cadangan untuk mengantisipasi ketidakakuratan prediksi.

Pola yang direkomendasikan untuk beban kerja yang berubah-ubah tetapi dapat diprediksi adalah menggabungkan keduanya: Predictive Scaling menangani beban siklikal yang diharapkan dengan menyiapkan kapasitas terlebih dahulu, sedangkan penskalaan dengan pelacakan target menangani lonjakan tak terduga yang melampaui prediksi. Keduanya menyediakan perlindungan proaktif dan reaktif. ASG menerapkan rekomendasi peningkatan skala yang paling konservatif dari kedua kebijakan dengan aman.

Gunakan penskalaan terjadwal ketika lonjakan lalu lintas sepenuhnya dapat diprediksi dan Anda mengetahui waktu pastinya (pola berdasarkan peristiwa atau jam kerja). Gunakan Predictive Scaling ketika pola berulang tetapi waktunya dapat berubah—pembelajaran mesin mempelajari pola tersebut secara otomatis. Gunakan pelacakan target sebagai perlindungan dinamis yang selalu aktif untuk menghadapi beban tak terduga. Untuk beban yang sepenuhnya acak, cukup andalkan pelacakan target atau penskalaan bertahap. Ujian SAA-C03 sering meminta Anda memilih pendekatan yang paling efisien secara operasional, dan predictive scaling merupakan pilihan terbaik untuk beban kerja siklikal yang berulang.

Uji pemahaman Anda tentang konsep AWS Solutions Architect (SAA-C03) dari pelajaran ini.

Dalam pelajaran ini, Anda mempelajari bahwa penskalaan terjadwal menggunakan ekspresi cron untuk mengubah kapasitas ASG pada waktu yang telah diketahui, sehingga ideal untuk peristiwa yang dapat diprediksi atau pola jam kerja yang berulang; Predictive Scaling menggunakan pembelajaran mesin pada data historis CloudWatch untuk meningkatkan skala secara proaktif sebelum beban datang; dan penggabungan Predictive + pelacakan target menyediakan perlindungan proaktif dan reaktif untuk strategi penskalaan yang paling tangguh. Selanjutnya, kita akan membahas Penyegaran Instans dan Hook Siklus Hidup untuk deployment yang terkendali.