Escalado automático

Amazon Web Services lanzó el servicio Amazon Elastic Compute Cloud (EC2) en agosto de 2006, que permitía a los desarrolladores crear y terminar instancias (máquinas) mediante programación. ^{[ 11 ] [ 12 ]} En el momento del lanzamiento inicial, AWS no ofrecía autoescalado, pero la capacidad de crear y terminar instancias mediante programación les dio a los desarrolladores la flexibilidad de escribir su propio código para el autoescalado.

El software de autoescalado de terceros para AWS comenzó a aparecer alrededor de abril de 2008. Entre ellos se encontraban herramientas de Scalr ^{[ 13 ]} y RightScale. RightScale fue utilizado por Animoto, que pudo gestionar el tráfico de Facebook mediante el autoescalado. ^{[ 14 ] [ 15 ]}

El 18 de mayo de 2009, Amazon lanzó su propia función de autoescalado junto con Elastic Load Balancing , como parte de Amazon Elastic Compute Cloud . ^{[ 16 ]} El autoescalado es ahora un componente integral de la oferta EC2 de Amazon. ^{[ 2 ] [ 17 ] [ 18 ]} El autoescalado en Amazon Web Services se realiza a través de un navegador web o la herramienta de línea de comandos. ^{[ 19 ]} En mayo de 2016, el autoescalado también se ofreció en el servicio AWS ECS. ^{[ 20 ]}

El proveedor de vídeo bajo demanda Netflix documentó su uso del escalado automático con Amazon Web Services para satisfacer las necesidades altamente variables de sus consumidores. Descubrieron que un escalado ascendente agresivo y un escalado descendente retardado y cauteloso eran la mejor manera de alcanzar sus objetivos de tiempo de actividad y capacidad de respuesta. ^{[ 7 ]}

En un artículo para TechCrunch , Zev Laderman, cofundador y director ejecutivo de Newvem, un servicio que ayuda a optimizar la infraestructura en la nube de AWS, recomendó que las startups utilicen el escalado automático para mantener bajos sus costos de Amazon Web Services. ^{[ 4 ]}

Varias guías de mejores prácticas para el uso de AWS sugieren usar su función de autoescalado incluso en casos donde la carga no es variable. Esto se debe a que el autoescalado ofrece otras dos ventajas: reemplazo automático de cualquier instancia que se vuelva inestable por cualquier motivo (como falla de hardware, falla de red o error de la aplicación) y reemplazo automático de instancias spot que se interrumpen por razones de precio o capacidad, lo que hace más factible usar instancias spot para fines de producción. ^{[ 6 ] [ 21 ] [ 22 ]} Las mejores prácticas internas de Netflix requieren que cada instancia esté en un grupo de autoescalado, y su sistema de cumplimiento termina cualquier instancia que no esté en un grupo de autoescalado para hacer cumplir esta mejor práctica. ^{[ 23 ]}

El 27 de junio de 2013, Microsoft anunció que agregaría soporte para el escalado automático a su plataforma de computación en la nube Windows Azure . ^{[ 24 ] [ 25 ] [ 26 ]} La documentación de la función está disponible en Microsoft Developer Network . ^{[ 10 ] [ 27 ]}

Oracle Cloud Platform permite que las instancias de servidor escalen automáticamente un clúster hacia adentro o hacia afuera definiendo una regla de autoescalado. ^{[ 28 ]} Estas reglas se basan en la utilización de CPU y/o memoria y determinan cuándo agregar o eliminar nodos.

El 17 de noviembre de 2014, Google Compute Engine anunció una versión beta pública de su función de autoescalado para su uso en aplicaciones de Google Cloud Platform . ^{[ 29 ] [ 30 ] [ 31 ] [ 32 ]} A marzo de 2015, la herramienta de autoescalado aún se encuentra en fase beta. ^{[ 9 ]}

En una publicación de blog de agosto de 2014, un ingeniero de Facebook reveló que la empresa había comenzado a utilizar el escalado automático para reducir sus costos de energía. La publicación reportó una disminución del 27 % en el consumo de energía durante las horas de menor tráfico (alrededor de la medianoche) y una disminución del 10-15 % en el consumo de energía durante el ciclo típico de 24 horas. ^{[ 3 ] [ 33 ]}

Kubernetes Horizontal Pod Autoscaler escala automáticamente el número de pods en un controlador de replicación , despliegue o conjunto de réplicas en función de la utilización de CPU observada (o, con soporte beta, en alguna otra métrica proporcionada por la aplicación ) ^{[ 34 ].}

Este es un enfoque de autoescalado donde se realizan cambios en el tamaño mínimo, el tamaño máximo o la capacidad deseada del grupo de autoescalado en momentos específicos del día. El escalado programado es útil, por ejemplo, si se conoce un aumento o disminución de la carga de tráfico en momentos específicos del día, pero el cambio es demasiado repentino para que el autoescalado basado en un enfoque reactivo responda con la suficiente rapidez. Los grupos de autoescalado de AWS admiten el escalado programado. ^{[ 35 ]}

Este enfoque de escalado automático utiliza análisis predictivos . La idea es combinar las tendencias de uso recientes con datos históricos de uso, así como con otros tipos de datos, para predecir el uso futuro y escalar automáticamente en función de estas predicciones.

Para partes de su infraestructura y cargas de trabajo específicas, Netflix descubrió que Scryer, su motor de análisis predictivo, ofrecía mejores resultados que el enfoque de autoescalado reactivo de Amazon. En particular, era mejor para: ^{[ 36 ] [ 33 ]}

• Identificar grandes picos de demanda en un futuro próximo y preparar la capacidad con un poco de antelación.
• Gestión de interrupciones a gran escala, como el fallo de zonas y regiones de disponibilidad completas.
• Gestionar patrones de tráfico variables, proporcionando mayor flexibilidad en la tasa de expansión o contracción en función del nivel y la tasa de cambio típicos de la demanda en diferentes momentos del día.

El 20 de noviembre de 2018, AWS anunció que el escalado predictivo estaría disponible como parte de su oferta de autoescalado. ^{[ 37 ]}