Auto-scaling یک ویژگی کلیدی در سیستم عامل های ابری است که به منابع اجازه می دهد به طور خودکار بر اساس تقاضا تنظیم شوند.این به بهینه سازی عملکرد و کارآیی با مدیریت پویا منابع محاسباتی کمک می کند.

اصول طراحی خودکار-Scaling

پایه و اساس خودکارسازی موثر شامل چندین اصل اصلی است که شامل تنظیم آستانه های مناسب، اطمینان از زمان پاسخ سریع و حفظ ثبات سیستم در طول وقایع مقیاسی می باشد.

پیکربندی آستانه مناسب از اقدامات مقیاسی غیرضروری جلوگیری می کند، در حالی که زمان پاسخ سریع اطمینان حاصل می کند که منابع به سرعت با تقاضای مطابقت دارند. پایداری با اجتناب از نوسانات مکرر یا "تخرج" منابع حفظ می شود.

معیارهای عملکردی برای خودکار-Scaling

نظارت بر معیارهای عملکردی مربوطه برای اتوماسیون موثر ضروری است.این معیارها بینش هایی را در مورد بارگذاری سیستم ارائه می دهند و به تعیین زمان برای مقیاس منابع کمک می کنند.

  • استفاده از CPU: [FLT 1] درصد منابع CPU را در استفاده اندازه گیری می کند.
  • استفاده از حافظه: پیگیری مقدار حافظه مصرف شده توسط برنامه های کاربردی.
  • ترافیک شبکه: نظارت بر نرخ انتقال داده ها برای شناسایی تقاضای افزایش یافته است.
  • نرخ درخواست: درخواست های ورودی را در ثانیه شمارش کنید.
  • [در این باره]: [[۱] [۱۰] زمان را [براى] محدود کنید؛ [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] زمان لازم برای پردازش درخواست ها را اندازه گیری کنید.

پیاده سازی استراتژی های خودکار-Scaling

استراتژی های موثر خودکار سازی شامل تنظیم سیاست های روشن بر اساس معیارهای عملکردی است که این سیاست ها تعیین می کنند چه زمانی منابع را اضافه یا حذف کنند تا عملکرد بهینه را حفظ کنند.

استراتژی های مشترک شامل مقیاس پذیری مبتنی بر آستانه، مقیاس پذیری و مقیاس بندی برنامه ریزی شده است که هر رویکرد برای الگوهای مختلف کار و الزامات عملیاتی مناسب است.