Для своего приложения я использую автоматическое масштабирование без эластичной балансировки нагрузки. Есть ли проблемы с производительностью при непосредственном использовании автоматического масштабирования без ELB?
AWS Autoscaling и эластичная балансировка нагрузки
08.12.2011
Ответы:
1
Автомасштабирование определяет на основе некоторых измерений (обычно это загрузка ЦП), увеличивать или уменьшать количество запущенных экземпляров.
Балансировка нагрузки связана с тем, как вы распределяете трафик между своими экземплярами на основе поиска доменного имени и т. д. Где-то вы должны знать, какие IP-адреса в настоящее время назначены экземплярам, которые создает автоматическое масштабирование.
У вас может быть несколько записей IP-адресов для записей A в настройках DNS, и машины будут выделяться из этого пула примерно циклическим способом. Но поддерживать пул в актуальном состоянии в режиме реального времени сложно.
Балансировщик нагрузки предоставляет вам простой механизм для предоставления единого интерфейса/IP-адреса внешнему миру, и он знает, какие экземпляры балансируют нагрузку в режиме реального времени.
Если вы используете автомасштабирование, если вы не собираетесь создавать довольно сложную систему мониторинга и обновления DNS, вы можете разумно предположить, что вам также необходимо использовать балансировщик нагрузки.
08.12.2011
2
Ади, Дэвид прав. Автомасштабирование позволяет масштабировать экземпляры (на основе показателей CloudWatch, отдельного события или повторяющегося расписания).
Предположим, у вас есть три запущенных экземпляра (масштабированных с помощью Autoscaling): как трафик будет доходить до них? Вам нужно где-то внедрить балансировку нагрузки, вот почему эластичная балансировка нагрузки так полезна.
Без этого ваш трафик может быть направлен только плохо спроектированным образом.
Чтобы получить представление об архитектуре, см. слайд № 5 этой презентации на сайте slideshare: http://www.slideshare.net/harishganesan/scale-new-business-peaks-with-auto-scaling
Лучший,
20.12.2011
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..