نمای کلی از Autoscale در مایکروسافت لاجورد

در این مقاله ، مایکروسافت Azure Autoscale و مزایای آن توضیح داده شده است.

Azure Autoscale از بسیاری از منابع پشتیبانی می کند. برای کسب اطلاعات بیشتر در مورد منابع پشتیبانی شده ، به منابع پشتیبانی شده AutoScale مراجعه کنید.

مجموعه های در دسترس بودن یک ویژگی مقیاس گذاری قدیمی برای ماشینهای مجازی با پشتیبانی محدود است. توصیه می کنیم برای پشتیبانی سریعتر و قابل اطمینان تر از سیستم های مجازی ، به مجموعه های مقیاس ماشین مجازی مهاجرت کنید.

autoscale چیست

Autoscale خدماتی است که به شما امکان می دهد به طور خودکار منابع را با توجه به بار موجود در برنامه خود اضافه و حذف کنید.

هنگامی که برنامه شما بار بالاتری را تجربه می کند ، Autoscale منابع را برای افزایش بار افزایش می دهد. هنگامی که بار کم است ، Autoscale تعداد منابع را کاهش می دهد و هزینه های شما را کاهش می دهد. شما می توانید برنامه خود را بر اساس معیارهایی مانند استفاده از CPU ، طول صف و حافظه موجود یا بر اساس یک برنامه مقیاس بندی کنید. معیارها و برنامه ها در قوانین تنظیم شده اند. این قوانین شامل حداقل سطح منابع است که شما برای اجرای برنامه خود نیاز دارید و حداکثر سطح منابع که از آن فراتر نمی رود.

به عنوان مثال ، هنگامی که میانگین استفاده از CPU در هر VM بالاتر از 70 ٪ باشد ، برنامه خود را با اضافه کردن VMS مقیاس کنید. هنگامی که میزان مصرف CPU به 40 ٪ کاهش می یابد ، آن را در از بین بردن VM ها دوباره مقیاس دهید.

هنگامی که شرایط موجود در قوانین برآورده می شود ، یک یا چند عمل خودکار انجام می شود ، افزودن یا حذف VM ها. علاوه بر این ، شما می توانید اقدامات دیگری مانند ارسال اعلان های ایمیل یا وب سایت های وب را انجام دهید تا فرآیندهای موجود در سیستم های دیگر را تحریک کنید.

مقیاس گذاری و مقیاس گذاری

مقیاس های خودکار در داخل و خارج ، که افزایش یا کاهش تعداد نمونه های منابع است. مقیاس بندی در داخل و خارج نیز مقیاس افقی نامیده می شود. به عنوان مثال ، برای یک مجموعه مقیاس ماشین مجازی ، مقیاس گذاری به معنای اضافه کردن ماشینهای مجازی بیشتر است. مقیاس گذاری در به معنای از بین بردن ماشین های مجازی است. مقیاس افقی در یک وضعیت ابر انعطاف پذیر است زیرا به شما امکان می دهد تعداد زیادی VM را برای تحمل بار اجرا کنید.

در مقابل ، مقیاس بالا و پایین یا مقیاس عمودی ، تعداد منابع را ثابت نگه می دارد ، اما از نظر حافظه ، سرعت CPU ، فضای دیسک و شبکه ظرفیت بیشتری به این منابع می دهد. مقیاس عمودی با در دسترس بودن سخت افزار بزرگتر محدود است ، که در نهایت به حد بالایی می رسد. در دسترس بودن اندازه سخت افزار در لاجورد در منطقه متفاوت است. مقیاس گذاری عمودی همچنین ممکن است در طی فرآیند مقیاس گذاری نیاز به راه اندازی مجدد دستگاه مجازی داشته باشد.

هنگامی که شرایط موجود در قوانین برآورده می شود ، یک یا چند عمل خودکار انجام می شود ، افزودن یا حذف VM ها. علاوه بر این ، شما می توانید اقدامات دیگری مانند ارسال اعلان های ایمیل یا وب سایت های وب را انجام دهید تا فرآیندهای موجود در سیستم های دیگر را تحریک کنید.

خودکشی پیش بینی کننده

Autoscale پیش بینی کننده از یادگیری ماشین برای کمک به مدیریت و مقیاس مقیاس ماشین مجازی Azure با الگوهای بار کاری چرخه ای استفاده می کند. این بار بر اساس الگوهای استفاده تاریخی CPU بار کلی CPU را در مجموعه ماشین مجازی شما پیش بینی می کند. سپس مجموعه مقیاس می تواند به موقع کاهش یابد تا تقاضای پیش بینی شده را برآورده کند.

تنظیم خودکار

می توانید Autoscale را از طریق تنظیم کنید:

معماری

نمودار زیر معماری autoscale را نشان می دهد.

معیارهای منبع

منابع معیارهایی را ایجاد می کنند که در قوانین autoscale برای ایجاد وقایع مقیاس استفاده می شوند. مجموعه های مقیاس ماشین مجازی از داده های Telemetry از عوامل تشخیص Azure برای تولید معیارها استفاده می کنند. تله متری برای برنامه های وب و خدمات ابری مستقیماً از زیرساخت های لاجورد می آید. برخی از معیارهای متداول شامل استفاده از CPU ، استفاده از حافظه ، تعداد نخ ، طول صف و استفاده از دیسک است. برای لیستی از معیارهای موجود ، معیارهای مشترک AutoScale را مشاهده کنید.

معیارهای سفارشی

از معیارهای سفارشی خود که برنامه شما تولید می کند استفاده کنید. برنامه خود را برای ارسال معیارها به بینش های برنامه پیکربندی کنید تا بتوانید از آن معیارها استفاده کنید که در چه زمانی مقیاس تصمیم بگیرید.

قوانین مبتنی بر برنامه را برای ایجاد وقایع مقیاس تنظیم کنید. هنگامی که الگوهای زمانی را در بار خود می بینید از قوانین مبتنی بر برنامه استفاده کنید و می خواهید قبل از تغییر پیش بینی شده در بار ، مقیاس بندی کنید.

قاعده

قوانین شرایط مورد نیاز برای ایجاد یک رویداد مقیاس ، جهت مقیاس بندی و میزان مقیاس را تعریف می کنند. قوانین می توانند باشند:

• ماشه مبتنی بر متریک مبتنی بر یک مقدار متریک ، به عنوان مثال هنگامی که استفاده از CPU بالاتر از 50 ٪ است.
• ماشه مبتنی بر زمان بر اساس یک برنامه ، به عنوان مثال ، هر شنبه ساعت 8 صبح.

می توانید چندین قانون را با استفاده از معیارهای مختلف ، به عنوان مثال استفاده از پردازنده و طول صف ، ترکیب کنید. در صورت رعایت هر یک از قوانین ، مقیاس خودکار را از بین می برد ، در حالی که مقیاس های خودکشی فقط در صورت رعایت همه قوانین. از نظر اپراتورهای منطق ، از اپراتور OR هنگام مقیاس با چندین قانون استفاده می شود. از اپراتور و در هنگام مقیاس گذاری با چندین قانون استفاده می شود.

اقدامات و اتوماسیون

قوانین می توانند یک یا چند اقدام را تحریک کنند. اقدامات شامل:

• مقیاس - مقیاس منابع داخل یا خارج.
• ایمیل - ارسال ایمیل به Admins ، Admins و/یا هر آدرس ایمیل دیگر.
• Webhooks - برای ایجاد چندین اقدامات پیچیده در داخل یا خارج از لاجورد ، با وب سایت ها تماس بگیرید. در لاجورد ، می توانید:
  • یک دفترچه اتوماسیون Azure را شروع کنید.
  • با یک عملکرد لاجورد تماس بگیرید.
  • یک برنامه منطق لاجورد را تحریک کنید.

  تنظیمات خودکار

  تنظیمات Autoscale شامل پیکربندی Autoscale است. تنظیم شامل شرایط مقیاس که قوانین ، محدودیت ها و برنامه ها و اعلان ها را تعریف می کند. یک یا چند شرایط مقیاس را در تنظیمات و یک تنظیم اطلاع رسانی تعریف کنید.

  Autoscale از اصطلاحات و ساختار زیر استفاده می کند. UI و JSON

   

  UI	JSON/CLI	شرح
  شرایط مقیاس	مشخصات	مجموعه ای از قوانین ، محدودیت ها و برنامه های نمونه ، بر اساس یک متریک یا زمان. می توانید یک یا چند شرایط مقیاس یا پروفایل را تعریف کنید.
  قاعده	قاعده	مجموعه ای از شرایط مبتنی بر زمان یا متریک که باعث یک عمل مقیاس می شود. شما می توانید یک یا چند قانون را برای اقدامات مقیاس و مقیاس تعریف کنید.
  محدودیت های نمونه	ظرفیت	هر شرایط یا مشخصات مقیاس به طور پیش فرض ، حداکثر و حداقل تعداد مواردی که می توانند تحت آن پروفایل اجرا شوند تعریف می کند.
  برنامه	عود	نشان می دهد چه موقع Autoscale باید این مقیاس یا پروفایل مقیاس را وارد کند. می توانید شرایط مختلفی داشته باشید که به شما امکان می دهد نیازهای مختلف و همپوشانی را برطرف کنید. به عنوان مثال ، شما می توانید شرایط مقیاس متفاوتی را برای ساعات مختلف روز یا روزهای هفته داشته باشید.
  اعلام کردن	اطلاع	اعلان ها را برای ارسال در هنگام وقوع یک رویداد autoscale تعریف می کند. Autoscale می تواند یک یا چند آدرس ایمیل را به شما اطلاع دهد یا یک یا چند وب سایت تماس برقرار کند. شما می توانید چندین صفحه وب را در JSON پیکربندی کنید اما فقط یک مورد در UI است.

  

  لیست کامل زمینه ها و توضیحات قابل تنظیم در API AUTOSCALE REST موجود است.

  برای مثال کد ، مراجعه کنید

  مقیاس گذاری افقی در مقابل عمودی

  مقیاس های خودکار به صورت افقی ، که افزایش یا کاهش تعداد نمونه های منابع است. به عنوان مثال ، در یک مجموعه مقیاس ماشین مجازی ، مقیاس گذاری به معنای اضافه کردن ماشین های مجازی بیشتر در حال حذف دستگاه های مجازی است. مقیاس افقی در یک وضعیت ابر انعطاف پذیر است زیرا به شما امکان می دهد تعداد زیادی VM را برای تحمل بار اجرا کنید.

  در مقابل ، مقیاس گذاری عمودی ، همان تعداد منابع را ثابت نگه می دارد ، اما از نظر حافظه ، سرعت CPU ، فضای دیسک و شبکه به آنها ظرفیت بیشتری می دهد. افزودن یا از بین بردن ظرفیت در مقیاس گذاری عمودی به عنوان مقیاس یا پایین شناخته می شود. مقیاس عمودی با در دسترس بودن سخت افزار بزرگتر محدود است ، که در نهایت به حد بالایی می رسد. در دسترس بودن اندازه سخت افزار در لاجورد در منطقه متفاوت است. مقیاس گذاری عمودی همچنین ممکن است در طی فرآیند مقیاس گذاری نیاز به راه اندازی مجدد دستگاه مجازی داشته باشد.