لماذا يعتبر القياس التلقائي التنبؤي في اتجاه تحجيم الموارد؟

القياس التلقائي ، وخاصة القياس التلقائي التنبئي ، هو في الاتجاه السائد بين مجتمع أبحاث الحوسبة السحابية.

هذا الضجيج معقول ، حيث أن وضع إستراتيجية القياس التلقائي الصحيحة مع التطبيقات السحابية الخاصة بك يمكن أن يوفر لك الكثير من المال.

هل سئمت من استراتيجيات تحجيم الموارد اليدوية المحمومة أو تبحث عن اتجاهات مستقبلية في توسيع نطاق الموارد السحابية؟ انت في المكان الصحيح. ستوجهك هذه المقالة إلى إنقاذ نفسك من الدفع مقابل الموارد السحابية التي نادرًا ما تستخدمها تطبيقاتك. لذا ، دعنا نتعمق!

توفر الحوسبة السحابية موارد وخدمات مختلفة للحوسبة وتكنولوجيا المعلومات عبر الإنترنت عند الطلب مع الحد الأدنى من الجهود الإدارية. قابلية التوسع تعني زيادة أو تقليل موارد السحابة هذه للتكيف مع الاحتياجات المتغيرة للتطبيق.

استراتيجيات القياس

يمكن للنظام أن ينمو أو يتقلص موارده في البنية التحتية الحالية باستخدام استراتيجيتين مختلفتين:

• تحجيم عمودي
• تحجيم أفقي

التحجيم العمودي

المقياس العمودي هو ترقية أو خفض مستوى الموارد أو الطبعات أو العقد الموجودة في البنية التحتية الحالية. على سبيل المثال ، يضيف النظام المزيد من قوة الحوسبة إلى العقد الموجودة في القياس الرأسي.

تحجيم Verticle له عمليتان: توسيع النطاق والتصغير. تعد إضافة المزيد من الطاقة أو الموارد إلى العقد الحالية عملية توسيع نطاق. في حين أن إزالة بعض الموارد من العقد الموجودة هي عملية مصغرة.

التحجيم الأفقي

بخلاف القياس الرأسي ، يشير القياس الأفقي إلى إضافة أو إزالة المزيد من الحالات أو العقد من البنية التحتية الحالية بدلاً من ترقية العقد الحالية. في القياس الأفقي ، ينمو النظام عن طريق إضافة المزيد من العقد أو الآلات إلى البنية التحتية الحالية.

القياس الأفقي له عمليتان: توسيع النطاق والتوسيع. التوسع يعني إضافة المزيد من العقد أو الآلات إلى البنية التحتية الحالية. وعلى العكس من ذلك ، فإن عملية القياس تزيل أي عقدة أو جهاز موجود من البنية التحتية الحالية.

ما هو التحجيم التلقائي في الحوسبة السحابية؟

التحجيم التلقائي هو مصطلح خاص بالحوسبة السحابية يشير إلى الضبط التلقائي لموارد السحابة لتطبيق ما. هي القدرة على زيادة أو تقليل الموارد تلقائيًا دون أي تفاعل بشري للحفاظ على أداء التطبيقات.

للقياس التلقائي تطبيقات محتملة في كل مكان ، من تطبيق الويب الخاص بك إلى قواعد البيانات. يمكن أن يساعد أيضًا شركتك في إدارة ارتفاعات حركة المرور الموسمية والزيادات المفاجئة في الطلب. على سبيل المثال ، إذا كنت تتوقع زيادة في المبيعات في فترة العطلات ، يمكن لإستراتيجية التوسع التلقائي الخاصة بك أن تضيف خوادم (سحابية) تلقائيًا لمساعدتك في التعامل مع زيادة حركة المرور.

لماذا يعد التحجيم التلقائي مهمًا لتنمية نشاطك التجاري

مع نمو عملك ، قد تجد أنك بحاجة إلى توسيع فريقك الهندسي لتلبية الطلب. قد يكون هذا أمرًا صعبًا لأن العثور على مهندسين ماهرين في التقنيات المناسبة قد يكون صعبًا. بالإضافة إلى ذلك ، يعد تعيين المهندسين عملية طويلة ومكلفة ، وقد تكون هناك أوقات تحتاج فيها إلى ذلك على الفور ولكن ليس لديك الميزانية لدفعها.

يتيح لك التوسع التلقائي توسيع نطاق الخوادم الخاصة بك حسب الحاجة مع تجنب نفقات توظيف المزيد من المهندسين. لا يزال لديك سيطرة كاملة على البنية الأساسية الخاصة بك ، ولكن يمكنك توسيع نطاقها وتقليصها باستخدام قواعد محددة مسبقًا بدلاً من إضافة الخوادم يدويًا.

هذا يوفر على فريقك الهندسي الوقت والجهد اللازمين لإضافة الخوادم يدويًا ، خاصةً إذا كنت بحاجة ماسة إلى المزيد من الخوادم.

يؤدي القياس التلقائي أيضًا إلى إزالة مسؤولية إضافة الخوادم وصيانتها يدويًا من المهندسين لديك ، مما يعني أنه يمكنهم التركيز على المهام الأخرى.

من يحتاج إلى التحجيم التلقائي

القياس التلقائي هو أداة ممتازة للشركات التي تعتمد بشكل كبير على تطبيقاتها. يمكن أن يساعدك القياس التلقائي في توفير المال وتحسين الموارد والتأكد من أن تطبيقك يعمل دائمًا على النحو الأمثل.

إذا كان تطبيقك يحتاج إلى مزيد من قوة الحوسبة ، فيمكن أن يؤدي التوسيع التلقائي إلى زيادة الموارد تلقائيًا لتلبية الطلب. إذا انخفض الطلب ، يمكن أن يؤدي التحجيم التلقائي إلى تقليص الموارد تلقائيًا للحفاظ على الطاقة والتكاليف.

يعد القياس التلقائي مفيدًا أيضًا للشركات التي تحتاج إلى تحسين توفر تطبيقاتها. من خلال إضافة خوادم إضافية لتتولى المسؤولية في حالة الفشل ، يمكنك التأكد من أن التطبيق الخاص بك متاح دائمًا. هذا مهم بشكل خاص للشركات التي تعتمد بشكل كبير على تطبيقاتها.

عندما لا تستخدم القياس التلقائي

تعمل ميزة التوسيع التلقائي على زيادة حجم الموارد أو خفضها بسرعة لتلبية متطلبات التطبيقات وتحسين توفرها. ومع ذلك ، فإن القياس التلقائي ليس دائمًا الخيار الصحيح.

قد يكون التحجيم التلقائي غير ضروري إذا كان استخدام التطبيق منخفضًا أو نادرًا. في هذه الحالة ، من الأفضل لك استخدام نهج ثابت لتوسيع نطاق مواردك. يجب عليك أيضًا التفكير في التحجيم الثابت فوق القياس التلقائي إذا كان التطبيق الخاص بك يحتوي على أنماط استخدام يمكن التنبؤ بها.

أخيرًا ، يجب أن تفكر في مدى تعقيد القياس التلقائي. يمكن أن يكون القياس التلقائي معقدًا ويتطلب الكثير من الضبط واستكشاف الأخطاء وإصلاحها. إذا لم يكن لديك الوقت أو الموارد لتكريسها لهذا ، فقد ترغب في التفكير في نهج ثابت لتوسيع نطاق مواردك.

مناهج مختلفة للقياس التلقائي

يتم تصنيف القياس التلقائي إلى عدة طرق بناءً على آليات التشغيل لقرارات القياس التلقائي. يتضمن قرار التحجيم التلقائي عمليات توسيع النطاق أو تقليصه إذا كنت تستخدم عمليات القياس الرأسي والتوسيع أو التدرج أثناء استخدام القياس الأفقي.

دعنا نلقي نظرة بإيجاز على التصنيفات الثلاثة الأكثر شيوعًا لاستراتيجيات القياس التلقائي:

# 1. التحجيم التلقائي التفاعلي أو المدفوع بالطلب

طريقة القياس التلقائي التي تؤدي إلى اتخاذ قرار التحجيم التلقائي (نمو أو تقلص البنية التحتية) كرد فعل لحدث يقع. بشكل عام ، يحدث هذا النوع من القياس التلقائي عندما يكتشف النظام زيادة في الطلب.

يمكن ربط الزيادة في الطلب بالمراقبة في الوقت الفعلي لموارد البنية التحتية المتاحة بالفعل. على سبيل المثال ، يمكن للنظام أن يطور البنية التحتية كلما تجاوز استخدام وحدة المعالجة المركزية للعقد المتاحة بالفعل عتبة. وبالمثل ، يتقلص المورد بناءً على عتبات الاستخدام الناقص لوحدة المعالجة المركزية.

# 2. التحجيم التلقائي المجدول أو الذي يحركه الوقت

تعمل طرق القياس التلقائي المجدولة على تنمية البنية التحتية أو تقليصها وفقًا للوقت المجدول المحدد مسبقًا. تأخذ طريقة القياس التلقائي هذه الفواصل الزمنية الثابتة لإضافة الموارد أو إزالتها.

# 3. التحجيم التلقائي التنبئي

تقوم طريقة القياس التلقائي هذه تلقائيًا بضبط موارد التطبيق لتلبية الطلب المتوقع. يستخدم القياس التلقائي التنبئي التعلم الآلي للتنبؤ بالطلب والنمو أو تقليص الموارد وفقًا للطلب المتوقع.

تم تصميم النهج التنبئي لتوقع وتخطيط أعباء العمل القادمة في المستقبل. فهو يجمع بين الاتجاهات السابقة والمقاييس الحالية ويتنبأ بكيفية أداء التطبيق والموارد التي سيتطلبها للحفاظ على مستوى الأداء هذا.

كيف يعمل القياس التلقائي التنبئي؟

يراقب استخدام الموارد ويحلل البيانات التاريخية للتنبؤ بالطلب المستقبلي. يشير استخدام الموارد إلى مقاييس مثل استخدام وحدة المعالجة المركزية والذاكرة.

يستخدم القياس التلقائي التنبئي أساليب التعلم الآلي الشائعة للتنبؤ بالطلب ، وتتدرب هذه الأساليب على البيانات السابقة. يمكن لنماذج القياس التلقائي التنبؤية تحليل عوامل مثل الوقت من اليوم واليوم من الأسبوع وعدد العملاء عبر الإنترنت للتنبؤ بالطلب المستقبلي. عندما يمكنك توقع الطلب المحتمل ، يمكنك تعيين الحدود وفقًا لذلك.

مع أحدث الاتجاهات في التعلم الآلي ، وسع القياس التلقائي التنبئي من نطاقه من التنبؤ بالمطالب المستقبلية. جعلت مناهج إعادة التنفيذ والتعلم المتسلسل من الممكن التعلم من الأخطاء باستمرار. لذلك ، يمكن للخوارزميات التنبؤية أن تتدرب على أحداث جديدة وتعديل العتبات وفقًا لذلك.

فوائد القياس التلقائي التنبئي

التحجيم التلقائي التنبئي قادر على توسيع نطاق تطبيق بسرعة ودقة أكبر. ميزة أخرى للتحجيم التلقائي التنبئي هو أنه أكثر نشاطًا من القياس التلقائي التفاعلي. وبالتالي ، فإن التحجيم التلقائي التنبئي يدير بشكل أفضل الحمل على أحد التطبيقات.

يمكن أيضًا أن يكون القياس التلقائي التنبئي أكثر دقة من التحجيم التفاعلي لأنه يحلل البيانات التاريخية للتنبؤ بالطلب المستقبلي. عادة ما يكون أكثر دقة من القياس التلقائي التفاعلي في إدارة الموارد. فيما يلي بعض الفوائد الأخرى للقياس التلقائي التنبئي:

• يتطلب القليل من التدخل اليدوي أو بدونه
• أسهل في القياس وإضافة مثيلات كلما زاد الحمل
• يقلل من فرص الإفراط في التوفير
• يضمن التوافر من خلال الاستجابة بشكل استباقي للطلبات المتوقعة

عيوب التحجيم التلقائي التنبئي

فيما يلي بعض عيوب استراتيجية القياس التلقائي التنبؤية:

• تحدي اختيار الخوارزمية التنبؤية الصحيحة
• يمكن أن تؤدي بيانات التدريب التي تمت معالجتها مسبقًا بشكل سيء إلى تنبؤات إيجابية كاذبة عالية

لماذا استخدام القياس التلقائي التنبئي؟

يمكن أن تكون عملية التحجيم التلقائي عملية يدوية جدًا ويمكن أن تتطلب اهتمامًا متكررًا اعتمادًا على الاستراتيجية التي تستخدمها. يمكن أن يساعد القياس التلقائي التنبئي في أتمتة الكثير من هذه العملية وجعلها أقل ضرورة بالنسبة لك لإجراء التعديلات يدويًا.

يمكن أن تتطلب استراتيجيات القياس التلقائي أن يكون التطبيق إما مزودًا بشكل زائد عن الحد أو لا يتم توفيره بشكل كافٍ. يمكن أن يؤدي الإفراط في التوفير إلى إضافة نفقات غير ضرورية لتطبيقك. يمكن أن يؤدي نقص التوفير إلى حدوث اختناقات ويؤدي إلى انقطاع تطبيقك.

تستفيد معظم التطبيقات الحديثة من موازين التحميل. يمكن أن يساعد القياس التلقائي التنبئي في استخدام موازن التحميل هذا على النحو الأمثل عن طريق تحويل المثيلات بين الخوادم بناءً على المقاييس الفعلية والأداء بدلاً من مجرد عدد الطلبات.

متى تستخدم إستراتيجية القياس التلقائي التنبؤية؟

قد تكون استراتيجية القياس التلقائي التنبؤية خيارًا جيدًا لتطبيقك إذا كنت ترغب في تقليل التدخل اليدوي المطلوب لضبط عدد المثيلات.

إذا كان تطبيقك يخدم مجموعة عامة من العملاء أو الزوار ، فقد ترغب في استخدام استراتيجية مراقبة وقياس أكثر تفاعلية. إذا كان طلبك يتعلق بشيء ما له إطار زمني محدد للعميل ، فقد ترغب في استخدام استراتيجية أكثر تنبؤية.

أين تجد خدمات القياس التلقائي؟

هناك العديد من الخدمات المتاحة لمساعدتك في القياس التلقائي. يقدم العديد من بائعي السحابة خدمات التوسع التلقائي ، مثل Amazon Web Services (AWS) و Microsoft Azure و Google Cloud Platform. يمكن أن تساعدك هذه الخدمات في إعداد التحجيم التلقائي لتطبيقاتك بسرعة وسهولة.

يمكنك أيضًا استخدام خدمات الجهات الخارجية لمساعدتك في القياس التلقائي. تقدم خدمات مثل RightScale و Scalr و AppFormix مجموعة من خدمات القياس التلقائي ، مثل التحليلات التنبؤية ، والقياس التلقائي التفاعلي ، والقياس التلقائي المختلط.

أخيرًا ، يمكنك استخدام أدوات مفتوحة المصدر لمساعدتك في القياس التلقائي. يمكن أن تساعدك أدوات مثل Kubernetes و Apache Mesos في إعداد التحجيم التلقائي لتطبيقاتك بسرعة وسهولة.

استنتاج

يعد القياس التلقائي جزءًا مهمًا من بناء تطبيق مرن وموثوق. يعد القياس التلقائي التنبئي أحد الإستراتيجيات المحتملة التي يمكنك استخدامها لتطبيقك. إذا كان تطبيقك يستخدم موازن تحميل ، فمن المهم استخدام هذا القياس التلقائي بشكل فعال لتجنب التكاليف غير الضرورية والانقطاعات المحتملة. يمكن أن يساعد القياس التلقائي التنبئي في استخدام موازن التحميل على النحو الأمثل بناءً على المقاييس الحالية والأداء بدلاً من مجرد عدد الطلبات.

يعد القياس التلقائي التنبئي مفيدًا لأنه يمكن استخدامه للتخطيط للنمو المستقبلي وضبط الموارد بشكل استباقي. ليس من السهل التصميم والتنفيذ ، ولكن يمكن أن يكون مفيدًا إذا تم بشكل صحيح. يمكن أن يكون القياس التلقائي التنبئي خيارًا جيدًا لتطبيقك إذا كنت ترغب في تقليل التدخل اليدوي المطلوب لضبط عدد المثيلات.