예약된 확장 및 예측 확장

동적 조정 정책(대상 추적 및 단계 조정)은 지표 임계값이 이미 초과된 후 대응하는 반응형 방식입니다. 업무 시간대의 피크, 월말 일괄 실행, 블랙 프라이데이 판매처럼 알려지고 예측 가능한 트래픽 패턴에서는 인스턴스를 시작하고 준비하는 데 몇 분이 걸리므로 반응형 조정이 너무 느립니다. 예약 조정과 예측 조정은 부하가 도달하기 전에 용량을 선제적으로 조정하여 이 문제를 해결합니다.

예약 조정 작업은 특정 날짜와 시간 또는 반복되는 cron 일정에 따라 ASG의 최솟값, 최댓값 또는 희망 용량을 변경합니다. 부하가 언제 증가할지 정확히 알고 있을 때 적합합니다. 예를 들어 예정된 마케팅 이벤트 전에 미리 준비하거나, 트래픽이 가장 적은 야간에 비용을 절감하기 위해 축소할 수 있습니다. 예약 작업은 지정된 시간에 현재 희망 용량을 재정의합니다.

예약 작업은 유닉스 cron 형식을 사용합니다: minute hour day-of-month month day-of-week. 모든 시간은 UTC 기준입니다. 일반적인 패턴으로는 규모 확대에 사용하는 0 8 * * 1-5(UTC 기준 평일 오전 08:00)와 규모 축소에 사용하는 0 20 * * *(매일 밤 20:00)가 있습니다. 하나의 ASG에 여러 예약 작업을 만들 수 있습니다. 예를 들어 매일 규모를 확대하는 작업 하나와 다시 축소하는 작업 하나를 만들 수 있습니다.

예약 작업은 일회성(특정 시작 시간에 한 번 실행)일 수도 있고 반복(cron 일정에 따라 실행)일 수도 있습니다. 일회성 작업은 제품 출시와 같이 예정된 시점을 알고 있는 이벤트에 적합합니다. 반복 작업은 매일 또는 매주 반복되는 트래픽 주기와 같은 규칙적인 패턴을 처리합니다. 반복 작업에 시작 시간과 종료 시간을 설정하면 날짜 범위 내에서 일정이 자동으로 활성화되고 비활성화되도록 할 수도 있습니다.

예약 작업과 동적 조정 정책은 함께 사용할 수 있습니다. 예약 작업은 예약된 시점에 새로운 기준 용량을 설정합니다. 그 후 동적 정책(대상 추적 또는 단계별 조정)이 변경된 최소/최대 범위 내에서 용량을 계속 조정합니다. 예를 들어 오전 예약 작업이 min=4, desired=8을 설정하면, 낮 동안 부하가 발생할 때 대상 추적이 최대 15까지 규모를 확대하고, 저녁 예약 작업이 다시 min=2, desired=2로 재설정합니다.

Predictive Scaling은 기계 학습을 사용하여 CloudWatch 지표의 과거 부하 패턴을 분석하고 향후 필요한 용량을 예측합니다. 예측된 부하가 발생하기 전에, 일반적으로 5~60분 앞서 선제적으로 규모 확대 작업을 예약합니다. Predictive Scaling은 매일 또는 매주 반복되는 트래픽 주기가 있는 워크로드에 가장 적합합니다. 더 많은 데이터를 수집하면서 예측을 지속적으로 업데이트합니다.

ASG에 PredictiveScaling 정책을 연결하여 Predictive Scaling을 활성화합니다. 지표 쌍을 지정해야 합니다. 하나는 조정을 유발하는 부하 지표(CPU 또는 ALB 요청 수 등)이고, 다른 하나는 각 인스턴스에서 추적하는 조정 지표입니다. 그러면 AWS가 부하 지표를 예측하고 조정 지표를 목표 값으로 유지하는 데 필요한 인스턴스 수를 계산합니다.

Predictive Scaling에는 두 가지 모드가 있습니다. ForecastOnly는 실제로 용량을 변경하지 않고 예측만 생성하므로 자동 조정을 적용하기 전에 예측을 검토할 때 유용합니다. ForecastAndScale은 예측을 생성하고 용량 변경을 자동으로 적용합니다. 몇 주 동안 ForecastOnly로 시작하여 정확도를 확인한 다음 ForecastAndScale로 전환하십시오. AWS는 첫 번째 예측을 생성하기 전에 최소 24시간의 지표 데이터를 요구합니다.

Predictive Scaling은 규모 확대 작업을 미리 실행하지만, SchedulingBufferTime을 구성하여 인스턴스를 더 일찍 사전 준비할 수 있습니다. SchedulingBufferTime을 5분으로 설정하면 예측상 용량이 필요해지는 시점보다 5분 전에 용량이 추가됩니다. 또한 MaxCapacityBuffer를 설정하여 ASG가 예측된 필요량보다 일정 비율만큼 더 확장되도록 할 수 있습니다. 이렇게 하면 예측의 부정확성에 대비한 여유 용량을 확보할 수 있습니다.

변동하지만 예측 가능한 워크로드에 권장되는 패턴은 두 기능을 결합하는 것입니다. Predictive Scaling은 용량을 미리 배치하여 예상되는 주기적 부하를 처리하고, 대상 추적 조정은 예측을 초과하는 예기치 않은 급증을 처리합니다. 두 기능을 함께 사용하면 선제적 대응과 사후 대응을 모두 적용할 수 있습니다. ASG는 두 정책에서 제안하는 규모 확대 방법 중 더 보수적인 방법을 안전하게 적용합니다.

트래픽 급증을 완전히 예측할 수 있고 정확한 시점을 알고 있을 때(이벤트 기반 패턴 또는 업무 시간 패턴) 예약 조정을 사용하십시오. 패턴은 반복되지만 정확한 시점이 달라질 수 있을 때는 Predictive Scaling을 사용하십시오. 기계 학습이 패턴을 자동으로 학습합니다. 예기치 않은 부하에 대비하는 항상 활성화된 동적 안전망으로는 대상 추적을 사용하십시오. 부하가 완전히 무작위라면 대상 추적 또는 단계별 조정만 사용하십시오. SAA-C03 시험에서는 운영 효율이 가장 높은 접근 방식을 선택하라는 문제가 자주 출제되며, 반복되는 주기적 워크로드에는 Predictive Scaling이 적합합니다.

이 lesson에서 다룬 AWS Solutions Architect (SAA-C03) 개념을 제대로 이해했는지 확인해 보십시오.

이 lesson에서는 다음을 배웠습니다. 예약 조정은 cron 표현식을 사용하여 알고 있는 시점에 ASG 용량을 변경하며, 예측 가능한 이벤트나 반복되는 업무 시간 패턴에 적합합니다. Predictive Scaling은 과거 CloudWatch 데이터를 기계 학습으로 분석하여 부하가 발생하기 전에 선제적으로 확장합니다. 또한 Predictive + 대상 추적을 결합하면 선제적 대응과 사후 대응을 모두 적용하여 가장 복원력 높은 조정 전략을 구현할 수 있습니다. 다음에서는 제어된 배포를 위한 인스턴스 새로 고침과 수명 주기 후크를 살펴봅니다.