🐧 Auto Scaling 이란?
오토 스케일링
: CPU, 메모리,디스크,네트워크 트래픽과 같은 시스템 자원들의 메트릭값을 모니터링하여 서버 사이즈를 자동으로 조절하는 기술
메트릭(Metric)
: CPU, 메모리 같은 데이터들을 시각화하여 우리들에게 보여주는 툴 !
Scaling(스케일링)
: 인스턴스 혹은 파워를 늘리는 것
스케일링에는 두가지의 종류가 있다.
이거 보고 딱 생각나는 게 있었다. SQL이랑 NoSQL이 있었다. SQL은 수직확장인 Scale up이 가능하였고
NoSQL 은 수평확장인 Scale out 을 가능 하였다.
그 개념을 생각하면서 한번 다시 짚어보자!
스케일 업(Scale up)
: 인스턴스의 성능을 16배 늘려야할 상황이 온다면 16배 큰 인스턴스를 사용함으로 단일 서버의 컴퓨터를 업그레이드 시키는 것이 스케일 업이다. 물론 성능은 좋아진다는 장점은 있지만 비용문제에서는 단점이다!
스케일 아웃(Scale Out)
스케일 아웃은 성능을 늘리는 것이 아닌 규모를 늘리는 것이다.
위와 같은 스케일 업은 성능 업그레이드에 제한이 있다. ex) 성능을 10000배로 업그레이드를 시켜주고 싶지만 그에 맞는 그래픽카드는 존재하지 않기 때문
이렇게 규모를 늘려 공간, 하드웨어적인 제약 없이 구글클라우드 처럼 다른 서버에 제공해주어 데이터를 임시저장할 수 있다.
스케일 인(Scale In)
작업이 완료되어 더 이상 필요없는 스케일 아웃 으로 늘렸던 컴퓨터의 수를 줄이는 것
오토 스케일링의 장점
워크로드의 요구사항에 즉각 대응할 수 있어 비즈니스 특성에 부합하는 응용솔루션을 효율적으로 운영할 수 있도록 함- 리소스를 수분 내에 제어할 수 있고 응용 서비스 패턴에 맞추어 트래픽을 유연하게 배분하여 서비스 성능 및 가용성 보장
- 초기 서버 사양을 과도하게 높게 잡을 필요가 없어 비용 절감 효과
워크로드
: 애플리케이션을 지원하는 스토리지 객체이다.
오토스케일링이 유용할 때
- 주기적으로 특정시간대에 트래픽이 집중하는 서비스
- 일괄 작업 과 같은 패턴의 서비스
- 특정 기간에 급증하는 트래픽 패턴 등의 일이나 주 단위로 트래픽 흐름이 변화하는 서비스
참고:
