Escalonamento automático e balanceamento de carga
Torne seu back-end baseado em EC2 resiliente e elástico combinando grupos de escalonamento automático com um balanceador de carga de aplicações para lidar com mudanças no tráfego.
Escalonamento automático e balanceamento de carga é uma aula grátis de AWS for Backend Developers (EC2, S3, RDS, Lambda) no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de AWS for Backend Developers (EC2, S3, RDS, Lambda), e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de AWS for Backend Developers (EC2, S3, RDS, Lambda) inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
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.
Perguntas Frequentes
A aula “Escalonamento automático e balanceamento de carga” é grátis?
Sim — o texto completo de “Escalonamento automático e balanceamento de carga” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de AWS for Backend Developers (EC2, S3, RDS, Lambda), atualize para CoddyKit PRO. O curso de AWS for Backend Developers (EC2, S3, RDS, Lambda) inclui 4 aulas no total.
O que vou aprender em “Escalonamento automático e balanceamento de carga”?
Torne seu back-end baseado em EC2 resiliente e elástico combinando grupos de escalonamento automático com um balanceador de carga de aplicações para lidar com mudanças no tráfego. Você pratica AWS for Backend Developers (EC2, S3, RDS, Lambda) com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar AWS for Backend Developers (EC2, S3, RDS, Lambda)?
Nenhuma experiência prévia é necessária. AWS for Backend Developers (EC2, S3, RDS, Lambda) no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.
Quanto tempo leva a aula “Escalonamento automático e balanceamento de carga”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de AWS for Backend Developers (EC2, S3, RDS, Lambda)?
Sim. Cada aula de AWS for Backend Developers (EC2, S3, RDS, Lambda) inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Introdução à AWS para backend
- Lançando sua primeira instância EC2
- Conexão e gerenciamento básico de EC2
- Escalonamento automático e balanceamento de carga