Escalado automático de cómputo en Atlas Infinite

Clústeres elegibles para el escalado automático reactivo

El escalado automático reactivo de los niveles de clúster de Atlas está disponible para todos los niveles de clúster dedicados de Atlas Core, bajo las clases de clúster General y Low-CPU. El escalado automático reactivo también está disponible para los clústeres de Atlas Infinite.

Cómo Atlas escala el nivel de clúster

En los clústeres de Atlas Infinite, escalar el nivel del clúster también modifica las IOPS de almacenamiento y el rendimiento de almacenamiento disponibles para el clúster. Para consultar los valores de rendimiento de almacenamiento para cada nivel, consulte Valores de IOPS y rendimiento de almacenamiento por nivel de clúster de Atlas Infinite.

Atlas depende de los datos de ping del host para tomar decisiones de escalabilidad automática. Los nodos de datos del clúster dedicado envían continuamente estos datos de ping al plano de control, sin importar si el autoescalado está habilitado. Cuando habilitas el escalamiento automático, Atlas puede usar estos datos históricos para escalar inmediatamente si se cumplen las condiciones de escalamiento.

Atlas escala el clúster a otro nivel en la misma clase. Por ejemplo, Atlas escala clústeres General a otras clases de clúster General, pero no escala General clústeres a clases de clúster Low-CPU.

Atlas no escalará su nivel de clúster si el nuevo nivel de clúster queda fuera del rango especificado de Minimum y Maximum Cluster Size.

Si se implementan nodos de solo lectura y se desea que el clúster escale más rápido, se debe considerar ajustar la moda de escalado del set de réplicas.

Los criterios exactos de escalado automático reactivo están sujetos a cambios para asegurar el uso adecuado de los recursos del clúster.

Atlas utiliza los siguientes conceptos de utilización de recursos y control de admisión de operaciones para determinar cuándo aumentar o disminuir la escala del clúster:

• Utilización absoluta de la CPU del sistema: Uso total de la CPU de todos los procesos en el nodo. Se muestra como CPU del sistema en las métricas de Atlas.

• Utilización relativa de la CPU del sistema: Valor que Atlas utiliza para tomar decisiones de autoescalado en los clústeres M10 y M20. Esto se calcula de la siguiente manera:

  Relative System CPU Utilization = Normalized System CPU / Baseline CPU Utilization

  Dónde:

  • Uso normalizado de la CPU del sistema: Suma del uso total de la CPU en todos los núcleos, normalizado con respecto al uso de referencia de la CPU. Se muestra como "Uso normalizado de la CPU del sistema" en las métricas de Atlas.

  • Utilización de CPU de referencia: Fracción de la CPU total garantizada a su instancia por el proveedor de la nube, normalmente entre 20 % y 50 % para tipos de instancias con capacidad de ráfaga. No se muestra en las métricas de Atlas. Para obtener más información, consulte la utilización de CPU de referencia.

    Por ejemplo, utilizando 20% como una estimación del extremo inferior para Baseline CPU Utilization, los siguientes valores de Relative System CPU Utilization corresponden a estos valores de CPU del sistema normalizados en las métricas de Atlas:

    • 75% La utilización relativa de laCPU del sistema es igual a 15% Normalized System CPU (75% de 20%).

    • 90% La utilización relativa de laCPU del sistema es igual a 18% Normalized System CPU (90% de 20%).

  Atlas limita el valor de Relative System CPU Utilization al 100%, incluso cuando el cálculo lo supera. Si se produce un aumento de escala cuando Normalized System CPU parece bajo, póngase en contacto con el soporte de MongoDB.

• Utilización de la memoria del sistema: Uso total de la memoria en todos los procesos del nodo, expresado como un porcentaje de la memoria total disponible para el nodo. Se calcula de la siguiente manera:

  System Memory Utilization = Memory Used / Total Memory * 100

  Dónde:

  • Memoria utilizada: Número de bytes de memoria física que se están utilizando actualmente en el host. Visible como Memoria del sistema: Memoria utilizada (bytes) en las métricas de Atlas.

  • Memoria total: Memoria física total disponible para el nodo, según lo informado por el sistema operativo. Atlas no muestra este valor como una métrica independiente. No es visible en las métricas de Atlas.

  Nota

  El valor System Memory Utilization que Atlas utiliza para las decisiones de autoescalado puede diferir ligeramente del valor que se muestra en el panel de métricas de Atlas. Si no se produce una reducción de escala cuando System Memory Utilization aparece como bajo, póngase en contacto con el soporte de MongoDB.

• Operaciones en cola o rechazadas: Tasa combinada de operaciones que Atlas pone en cola o rechaza para proteger su clúster de la sobrecarga como parte de la Gestión Inteligente de Carga de Trabajo (IWM). Atlas lo calcula de la siguiente manera:

  Queued or Rejected Operations = Queued Operations + Rejected Operations

  Dónde:

  • Operaciones en cola: Tasa promedio por minuto de operaciones entrantes que Atlas agrega a la cola del limitador de tasa de solicitudes de entrada para esperar la admisión al clúster. La tasa por segundo se muestra como Limitación de tasa de operaciones: Operaciones en cola en las métricas de Atlas.

  • Operaciones rechazadas: Tasa promedio por minuto de operaciones entrantes que Atlas rechaza debido a la sobrecarga del clúster y la activación de la función de reducción de carga. La tasa por segundo se muestra como Limitación de tasa de operaciones: Operaciones rechazadas en las métricas de Atlas.

  Para saber cómo funciona IWM para poner en cola o rechazar operaciones en respuesta a la sobrecarga del clúster, consulte Gestión inteligente de la carga de trabajo.

  Un valor combinado superior a cero significa que su clúster está sobrecargado.

Las siguientes secciones describen cómo Atlas utiliza estas métricas para determinar cuándo aumentar o disminuir la escala del clúster.

Comportamiento del escalado automático predictivo

Las siguientes instrucciones describen cómo funciona el escalado automático predictivo:

• Atlas intenta escalar el tamaño de la instancia del clúster antes de que llegue la carga prevista.

• Cuando Atlas escala el clúster de forma predictiva según métricas previstas, se puede escalar hacia arriba como máximo dos niveles a la vez.

• El escalado automático predictivo se aplica solo al cómputo, no al almacenamiento.

• El escalado automático predictivo respeta los tamaños mínimos y máximos de las instancias de escalado automático existentes.

• En los casos en que Atlas no puede usar el escalado automático predictivo para escalar el clúster, recurre al escalado automático reactivo.

• El escalado automático predictivo solo admite escalado hacia arriba. No hay reducción de escalado predictivo. Atlas utiliza el escalado automático reactivo para reducir automáticamente el tamaño del clúster cuando la carga de trabajo disminuye.

• Si el escalado predictivo está programado para ocurrir dentro de las siguientes 1 hora, Atlas omite el escalado reactivo.

Clústeres elegibles para el escalado automático predictivo

Atlas utiliza el escalado automático predictivo para los clústeres elegibles. Los clústeres elegibles para el escalado automático predictivo deben cumplir todos los siguientes criterios:

• Pertenecen a las clases de clúster General y Low-CPU.

• Tener un nivel que sea M30 o mayor.

• Habilite el escalado automático. Si habilita el escalado descendente, el tamaño mínimo de instancia para el escalado automático debe ser igual o superior a M30.

• Haber estado activo durante al menos dos semanas.

Los clústeres Atlas Infinite de nivel M30 y superiores se ejecutan en hardware AWS Gen2. El escalado automático predictivo es compatible con estos clústeres.

Además, los siguientes criterios afectan si Atlas utiliza el escalado automático predictivo para un clúster elegible:

• El escalado automático predictivo se aplica solo a nodos elegibles y de solo lectura. Atlas no utiliza el escalado automático predictivo para los nodos de búsqueda o de análisis.

• Es posible que el escalado automático predictivo no pueda predecir los picos de carga de trabajo no cíclicos y altamente dinámicos en ningún clúster elegible. En estos casos, Atlas confía en el escalado automático reactivo.

Habilita el escalado automático con Atlas CLI y la API de administración de Atlas

Puede habilitar el escalado automático de cómputo al crear o actualizar un clúster mediante la CLI de Atlas o la API de administración de Atlas. Los siguientes ejemplos muestran cómo habilitar el escalado automático de cómputo tanto para nodos electivos como para nodos de análisis. Reemplace los niveles del clúster y la configuración del proveedor según sus necesidades.

{
  "replicationSpecs": [
    {
      "regionConfigs": [
        {
          "providerName": "{CLOUD-PROVIDER}",
          "regionName": "{REGION-NAME}",
          "priority": 7,
          "electableSpecs": {
            "instanceSize": "{INSTANCE-SIZE}",
            "nodeCount": 2
          },
          "analyticsSpecs": {
            "instanceSize": "{ANALYTICS-INSTANCE-SIZE}",
            "nodeCount": 1
          },
          "autoScaling": {
            "compute": {
              "enabled": true,
              "scaleDownEnabled": true,
              "minInstanceSize": "{MIN-INSTANCE-SIZE}",
              "maxInstanceSize": "{MAX-INSTANCE-SIZE}"
            }
          },
          "analyticsAutoScaling": {
            "compute": {
              "enabled": true,
              "scaleDownEnabled": true,
              "minInstanceSize": "{MIN-ANALYTICS-INSTANCE-SIZE}",
              "maxInstanceSize": "{MAX-ANALYTICS-INSTANCE-SIZE}"
            }
          }
        }
      ]
    }
  ]
}

atlas api clusters updateCluster \
  --version 2024-10-23 \
  --clusterName {CLUSTER-NAME} \
  --groupId {GROUP-ID} \
  --file payload.json

curl --header "Authorization: Bearer {ACCESS-TOKEN}" \
     --header "Accept: application/vnd.atlas.2025-03-12+json" \
     --header "Content-Type: application/json" \
     --include \
     --request PATCH "https://cloud.mongodb.com/api/atlas/v2/groups/{GROUP-ID}/clusters/{CLUSTER-NAME}" \
     --data '{
     "replicationSpecs": [
       {
         "regionConfigs": [
           {
             "providerName": "{CLOUD-PROVIDER}",
             "regionName": "{REGION-NAME}",
             "priority": 7,
             "electableSpecs": {
               "instanceSize": "{INSTANCE-SIZE}",
               "nodeCount": 2
             },
             "autoScaling": {
               "compute": {
                 "enabled": true,
                 "scaleDownEnabled": true,
                 "minInstanceSize": "{MIN-INSTANCE-SIZE}",
                 "maxInstanceSize": "{MAX-INSTANCE-SIZE}"
               }
             },
             "analyticsSpecs": {
               "instanceSize": "{ANALYTICS-INSTANCE-SIZE}",
               "nodeCount": 1
             },
             "analyticsAutoScaling": {
               "compute": {
                 "enabled": true,
                 "scaleDownEnabled": true,
                 "minInstanceSize": "{MIN-ANALYTICS-INSTANCE-SIZE}",
                 "maxInstanceSize": "{MAX-ANALYTICS-INSTANCE-SIZE}"
               }
             }
           }
         ]
       }
     ]'

Revisa las opciones de escalado automático de niveles de clúster

Para revisar las opciones de escalado automático habilitadas para el nivel del clúster:

Excluir el nivel del clúster del escalado automático

Para optar por no participar en el escalado automático del clúster (aumentar el nivel de clúster), cuando crea un nuevo clúster, navega hasta el menú Cluster Tier y desmarque la casilla Compute Auto-Scale en la sección Auto-scale.

Para optar por no participar en el escalado automático del clúster (disminuyendo el nivel de clúster), cuando crea un nuevo clúster, navega al menú Cluster Tier y desmarque la casilla Allow cluster to be scaled down en la sección Auto-scale.