Scaling pianificato e predittivo

Le policy di scaling dinamico (target tracking e step scaling) sono reattive: rispondono dopo che una soglia della metrica è già stata superata. Per modelli di traffico noti e prevedibili, come i picchi nelle ore lavorative, i processi batch di fine mese o le vendite del Black Friday, lo scaling reattivo è troppo lento, perché le istanze richiedono minuti per essere avviate e completare il warm-up. Lo Scheduled Scaling e il Predictive Scaling risolvono il problema modificando proattivamente la capacità prima dell'arrivo del carico.

Una Scheduled Scaling Action modifica la capacità minima, massima o desiderata dell'ASG in una data e un'ora specifiche oppure secondo una pianificazione cron ricorrente. È ideale quando si sa esattamente quando aumenterà il carico, ad esempio per preparare la capacità prima di un evento di marketing pianificato o per ridurla durante la notte, quando il traffico è minimo, così da risparmiare sui costi. Le operazioni pianificate sostituiscono la capacità desiderata corrente all'orario specificato.

Le azioni pianificate usano il formato cron Unix: minute hour day-of-month month day-of-week. Tutti gli orari sono espressi in UTC. Tra i modelli comuni figurano 0 8 * * 1-5 (mattine dei giorni feriali alle 08:00 UTC) per aumentare la capacità e 0 20 * * * (ogni sera alle 20:00 UTC) per ridurla. È possibile creare più azioni pianificate nello stesso ASG, ad esempio una per aumentare la capacità e una per ridurla nuovamente ogni giorno.

Le azioni pianificate possono essere una tantum (eseguite una sola volta a un orario di inizio specifico) oppure ricorrenti (eseguite secondo una pianificazione cron). Un'azione una tantum è perfetta per un evento futuro noto, come il lancio di un prodotto. Un'azione ricorrente gestisce schemi regolari, come i cicli di traffico giornalieri o settimanali. È inoltre possibile impostare un orario di inizio e un orario di fine per un'azione ricorrente, così da abilitare e disabilitare automaticamente una pianificazione all'interno di un intervallo di date.

Le azioni pianificate e le policy di dimensionamento dinamico possono coesistere. Un'azione pianificata imposta una nuova capacità di base all'orario programmato. Dopodiché, le policy dinamiche (target tracking o step scaling) continuano ad adeguare la capacità entro i limiti min/max aggiornati. Ad esempio, un'azione pianificata mattutina imposta min=4, desired=8; durante il giorno, il target tracking aumenta la capacità fino a 15 sotto carico; l'azione pianificata serale reimposta quindi min=2, desired=2.

Predictive Scaling usa il machine learning per analizzare i modelli storici di carico ricavati dalle metriche di CloudWatch e prevedere il fabbisogno di capacità futuro. Pianifica in modo proattivo le azioni di aumento della capacità prima che arrivi il carico previsto, in genere con 5-60 minuti di anticipo. Il predictive scaling è ideale per i carichi di lavoro con cicli di traffico giornalieri o settimanali ricorrenti. Aggiorna continuamente le previsioni man mano che raccoglie nuovi dati.

Per abilitare il predictive scaling, associ una policy PredictiveScaling al Suo ASG. Specifichi la coppia di metriche: una metrica di carico (ciò che determina il dimensionamento, come la CPU o il numero di richieste ALB) e una metrica di scaling (ciò che viene monitorato su ogni istanza). AWS prevede quindi la metrica di carico e calcola il numero di istanze necessario per mantenere la metrica di scaling al valore obiettivo.

Predictive Scaling dispone di due modalità: ForecastOnly genera previsioni senza modificare effettivamente la capacità, risultando utile per esaminare le previsioni prima di affidarsi al dimensionamento automatico. ForecastAndScale genera le previsioni e applica automaticamente le modifiche alla capacità. Inizi con ForecastOnly per alcune settimane per verificarne la precisione, quindi passi a ForecastAndScale. AWS richiede almeno 24 ore di dati metrici prima di generare la prima previsione.

Predictive Scaling avvia in anticipo le azioni di aumento della capacità, ma è possibile configurare un SchedulingBufferTime per preparare le istanze ancora prima. Un SchedulingBufferTime di 5 minuti significa che la capacità viene aggiunta 5 minuti prima del momento in cui la previsione indica che sarà necessaria. È inoltre possibile impostare un MaxCapacityBuffer per consentire all'ASG di superare il fabbisogno previsto di una determinata percentuale, fornendo un margine di sicurezza contro l'inesattezza delle previsioni.

Per i carichi di lavoro variabili ma prevedibili, il modello consigliato consiste nel combinarli entrambi: Predictive Scaling gestisce il carico ciclico previsto predisponendo in anticipo la capacità, mentre Target Tracking Scaling gestisce i picchi imprevisti che superano la previsione. Insieme forniscono una copertura sia proattiva sia reattiva. L'ASG applica in sicurezza, tra le due policy, la raccomandazione di aumento della capacità più conservativa.

Usi lo Scheduled Scaling quando i picchi di traffico sono completamente prevedibili e ne conosce gli orari esatti (schemi legati a eventi o all'orario lavorativo). Usi il Predictive Scaling quando gli schemi si ripetono, ma l'orario esatto può variare: il machine learning apprende automaticamente lo schema. Usi il Target Tracking come rete di sicurezza dinamica sempre attiva per i carichi imprevisti. Per un carico completamente casuale, si affidi esclusivamente al target tracking o allo step scaling. L'esame SAA-C03 Le chiede spesso di scegliere l'approccio più efficiente dal punto di vista operativo; per i carichi di lavoro ciclici ricorrenti, il predictive scaling è la scelta migliore.

Verifichi la Sua comprensione dei concetti AWS Solutions Architect (SAA-C03) trattati in questa lezione.

In questa lezione ha imparato che lo Scheduled Scaling usa espressioni cron per modificare la capacità dell'ASG a orari noti, risultando ideale per eventi prevedibili o schemi ricorrenti legati all'orario lavorativo; il Predictive Scaling usa il machine learning sui dati storici di CloudWatch per aumentare proattivamente la capacità prima dell'arrivo del carico; e la combinazione di Predictive + Target Tracking offre una copertura sia proattiva sia reattiva, per una strategia di scaling più resiliente. Nel prossimo argomento esamineremo Instance Refresh e Lifecycle Hooks per distribuzioni controllate.