Auto-scaling de computação no Atlas Core

Clusters elegíveis para dimensionamento automático reativo

O auto-scaling reativo da camada do Atlas camada do cluster está disponível para todas as camadas de cluster dedicadas do Atlas Core nas classes de cluster General e Low-CPU. O auto-scaling reativo também está disponível para clusters Atlas Infinite .

Como o Atlas dimensiona a camada de cluster

O Atlas depende dos dados de ping do host para tomar decisões de autoscaling. Os nós de dados de cluster dedicados enviam continuamente esses dados de ping para o plano de controle, independentemente de o autoscaling estar habilitado. Quando você ativa o autoscaling, o Atlas pode usar esses dados históricos para dimensionar imediatamente se as condições de dimensionamento forem atendidas.

O Atlas dimensiona seu cluster para outro nível na mesma classe. Por exemplo, o Atlas dimensiona clusters General para outras classes de clusters General, mas não dimensiona clusters General para classes de cluster Low-CPU.

O Atlas não dimensionará sua camada de cluster se a nova camada de cluster ficar fora da faixa Minimum e Maximum Cluster Size especificada.

Se você implantar nós somente leitura e quiser que seu cluster seja dimensionado mais rapidamente, considere ajustar o seu Modo de dimensionamento do conjunto de réplicas.

Os critérios exatos de dimensionamento automático reativo estão sujeitos a alterações para garantir a utilização apropriada dos recursos do cluster.

O Atlas usa os seguintes conceitos de utilização de recursos e controle de entrada de operações para determinar quando dimensionar o cluster para cima ou para baixo:

• Utilização absoluta da CPU do sistema: uso total da CPU de todos os processos no nó. Visível como CPU do sistema nas métricas do Atlas .

• Utilização relativa da CPU do sistema: o valor que o Atlas usa para decisões de dimensionamento automático em clusters M10 e M20. Isso é calculado como:

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

  Onde:

  • CPU do Sistema Normalizado: uso total da CPU somado em todos os núcleos, normalizado para a utilização da CPU da linha de base. Visível como CPU do Sistema Normalizado nas métricas do Atlas .

  • Utilização da CPU da linha de base: fração da CPU completa garantida para sua instância pelo provedor de nuvem, normalmente 20%-50% para tipos de instâncias com capacidade de intermitência. Não visível nas métricas do Atlas . Para saber mais, consulte utilização da CPU da linha de base.

    Por exemplo, usando 20% como uma estimativa inferior para Baseline CPU Utilization, os seguintes valores de Relative System CPU Utilization correspondem a estes valores de CPU do Sistema Normalizado nas métricas do Atlas :

    • 75% a utilização relativa da CPU do sistema é igual a 15% Normalized System CPU (75% de 20%.

    • 90% a utilização relativa da CPU do sistema é igual a 18% Normalized System CPU (90% de 20%.

  O Atlas limita o Relative System CPU Utilization a 100%, mesmo quando o cálculo o excede. Se ocorrer um aumento quando Normalized System CPU parecer baixo, entre em contato com o Suporte do MongoDB.

• Utilização da memória do sistema: uso total de memória em todos os processos do nó, expresso como uma porcentagem do total de memória disponível para o nó. Isso é calculado como:

  System Memory Utilization = Memory Used / Total Memory * 100

  Onde:

  • Memória Usada: Número de bytes de memória física atualmente em uso no host. Visível como memória do sistema: memória usada (bytes) nas métricas do Atlas .

  • Total de memória: total de memória física disponível para o nó, conforme relatado pelo sistema operacional. O Atlas não exibe este valor como uma métrica separada. Não visível nas métricas do Atlas .

  Observação

  O valor de System Memory Utilization que o Atlas utiliza para decisões de autoscaling pode diferir ligeiramente do valor mostrado no painel de métricas do Atlas . Se a redução não ocorrer quando System Memory Utilization aparecer baixo, entre em contato com o Suporte do MongoDB.

• Operações em filaou rejeitadas: taxa combinada de operações que o Atlas enfileira ou rejeita para proteger seu cluster contra sobrecarga como parte do Intelligent Workload Management (IWM). O Atlas calcula isso como:

  Queued or Rejected Operations = Queued Operations + Rejected Operations

  Onde:

  • Operações em fila: taxa média por minuto de operações de entrada que o Atlas adiciona à fila do limitador da taxa de solicitação de entrada para aguardar a entrada no cluster. A taxa por segundo é visível como Limitação de taxa de operação: Operações em fila nas métricas do Atlas .

  • Operações rejeitadas: taxa média por minuto de operações de entrada que o Atlas rejeita porque o cluster está sobrecarregado e a redução de carga está ativa. A taxa por segundo é visível como Limitação de taxa de operação: Operações rejeitadas nas métricas do Atlas .

  Para saber como o IWM trabalha para enfileirar ou rejeitar operações em resposta à sobrecarga do cluster,consulte Gerenciamento de carga de trabalho inteligente.

  Um valor combinado acima de zero significa que seu cluster está sob sobrecarga.

As seções seguintes descrevem como o Atlas utiliza estas métricas para determinar quando dimensionar seu cluster para cima ou para baixo.

Dimensionando um cluster fragmentado no Atlas Core

Esta seção se aplica a clusters Atlas Core . A fragmentação não é suportada em clusters do Atlas Infinite durante a visualização pública. O Atlas dimensiona automaticamente a camada do cluster para clusters fragmentados usando os mesmos critérios dos conjuntos de réplicas. O Atlas aplica as seguintes regras:

• O dimensionamento de fragmentos independentes é ativado por padrão para clusters fragmentados com dimensionamento automático. Quando o dimensionamento independente de fragmentos está ativado, o dimensionamento automático no Atlas avalia e dimensiona cada fragmento de forma independente. O dimensionamento independente do fragmento exige que o menor tamanho do fragmento permaneça não menor que duas camadas do cluster abaixo do maior fragmento, para manter a disponibilidade e o desempenho. Se o Atlas acionar o dimensionamento automático para esse cluster e dimensionar o maior fragmento, ele também dimensionará os fragmentos menores, se necessário, para garantir disponibilidade e desempenho consistentes.

• Se os nós operacionais ou de analítica de um shard atenderem aos critérios de auto-scale, somente os nós operacionais ou de analítica nesse shard específico mudarão de nível.

• O conjunto de réplicas do servidor de configuração não executa auto-scale. No entanto, um Config Shard faz auto-scale.

Dimensionando um cluster dedicado Gen2 no Atlas Core

Esta seção se aplica a clusters Atlas Core . Para saber mais sobre o auto-scaling de cluster do Atlas Infinite, consulte Computar auto-scaling no Atlas Infinite. O Atlas dimensiona automaticamente a camada do cluster para clusters Dedicados Gen2 usando os mesmos critérios dos conjuntos de réplicas. O Atlas aplica as seguintes regras:

• O tier atual do seu cluster, o limite mínimo de dimensionamento automático e o limite máximo de dimensionamento automático devem estar todos dentro da mesma geração.

• M10 e os clusters M20 são independentes de geração. O Atlas pode dimensionar automaticamente clusters M10 ou M20 para clusters Gen1 ou Gen2.

  For example, if the maximum auto-scaling bound is a Gen1 cluster tier, Atlas auto-scales the cluster into Gen1. If the maximum auto-scaling bound is a Gen2 cluster tier, Atlas auto-scales the cluster into Gen2. You can also use M10 or M20 as the minimum auto-scaling bound for both Gen1 and Gen2 clusters.

A Atlas Administration API retorna um erro INVALID_ATTRIBUTE se você tentar fazer qualquer uma das seguintes ações:

• Altere a geração de um cluster para uma que seja diferente da geração dos limites de dimensionamento automático do cluster.

• Defina os limites de dimensionamento automático de um cluster para que ele seja um cluster de camada M30+ pertencente a uma geração diferente da do cluster.

Comportamento do dimensionamento automático preditivo

As declarações a seguir descrevem como o dimensionamento automático preditivo funciona:

• O Atlas tenta dimensionar o tamanho da instância do cluster antes que a carga projetada chegue.

• Quando o Atlas dimensiona seu cluster de forma preditiva com base em métricas previstas, ele pode aumentar em, no máximo, dois níveis por vez.

• O dimensionamento automático preditivo se aplica apenas à computação, não ao armazenamento.

• O dimensionamento automático preditivo respeita os tamanhos mínimo e máximo de instância de dimensionamento automático existente.

• Nos casos em que o Atlas não pode usar o dimensionamento automático preditivo para dimensionar o cluster, ele volta a usar o dimensionamento automático reativo.

• O dimensionamento automático preditivo oferece suporte apenas ao upscaling. Não há dimensionamento preditivo. O Atlas usa o dimensionamento automático reativo para dimensionar automaticamente para baixo o cluster quando a carga de trabalho diminui.

• Se o dimensionamento preditivo estiver programado para ocorrer na próxima 1 hora, o Atlas pulará o dimensionamento reativo.

• Se você usar o dimensionamento automático independente de fragmentos, e adicionar um ou mais fragmentos depois que o dimensionamento automático preditivo já estiver habilitado e ativo no cluster, esses novos fragmentos não serão dimensionados automaticamente de forma preditiva até que seus padrões de carga de trabalho tenham sido estabelecidos, duas semanas depois. Enquanto isso, esses fragmentos usam um comportamento reativo de dimensionamento automático no Atlas.

Clusters elegíveis para dimensionamento automático preditivo

O Atlas usa o dimensionamento automático preditivo para clusters qualificados. Os clusters elegíveis para dimensionamento automático preditivo devem atender a todos os seguintes critérios:

• Pertencer a General e Low-CPU classificações do cluster.

• Ter um nível M30 ou superior.

• Tenha o auto-scaling ativado. Se você ativar o down-scaling, o tamanho mínimo da instância do auto-scaling deverá ser igual ou maior que M30.

• Estão ativos há pelo menos duas semanas.

• Não usar armazenamento NVMe ou pertencer à classificação do cluster Local NVMe SSD.

• Não ser um Cluster Dedicado AWS Gen2.

Além disso, os seguintes critérios afetam se o Atlas usa dimensionamento automático preditivo para um cluster elegível:

• O dimensionamento automático preditivo se aplica somente aos nós elegíveis e nós somente leitura. O Atlas não usa o dimensionamento automático preditivo para nós de pesquisa ou nós de análise.

• O dimensionamento automático preditivo pode não ser capaz de prever picos de carga de trabalho não cíclicos e altamente dinâmicos em nenhum cluster elegível. Nesses casos, o Atlas depende do dimensionamento automático reativo.

Auto-scaling habilitado por padrão

Quando você cria um novo cluster, o Atlas permite o dimensionamento automático (preditivo e reativo) para o tier do cluster e o armazenamento do cluster. (O dimensionamento automático preditivo afeta apenas o tier do cluster e não afeta o armazenamento.) Você não precisa habilitar explicitamente o dimensionamento automático. Se preferir, você pode optar por não atuar no tier do cluster e no armazenamento do cluster.

Com o escalonamento automático ativado, seu cluster pode automaticamente:

• Dimensione para aumentar a funcionalidade com uma camada do cluster mais alta, usando dimensionamento automático reativo ou preditivo, dependendo da elegibilidade do cluster e da carga de trabalho.

• Diminua a camada do cluster atual para uma camada do cluster inferior usando dimensionamento automático reativo.

Na seção Cluster tier das opções do Auto-scale , você pode especificar os valores do Maximum Cluster Size e Minimum Cluster Size para os quais seu agrupamento pode escalar automaticamente. O Atlas define estes valores da seguinte forma:

• O Maximum Cluster Size está definido como um nível acima da camada do cluster atual.

• O Minimum Cluster Size está definido para a camada do cluster atual.

Além disso, o Atlas pode usar dimensionamento automático preditivo se seu cluster for qualificado e sua carga de trabalho for cíclica e previsível.

Habilite o dimensionamento automático com o Atlas CLI e a Atlas Administration API

Você pode habilitar o dimensionamento automático para computação e armazenamento ao criar ou atualizar um cluster usando o Atlas CLI ou a Atlas Administration API. Os exemplos a seguir mostram como habilitar o dimensionamento automático para nós elegíveis e nós de análise. Troque os tiers do cluster e as configurações do provedor pelos de que você precisa.

{
  "replicationSpecs": [
    {
      "regionConfigs": [
        {
          "providerName": "{CLOUD-PROVIDER}",
          "regionName": "{REGION-NAME}",
          "priority": 7,
          "electableSpecs": {
            "instanceSize": "{INSTANCE-SIZE}",
            "nodeCount": 3
          },
          "analyticsSpecs": {
            "instanceSize": "{ANALYTICS-INSTANCE-SIZE}",
            "nodeCount": 1
          },
          "autoScaling": {
            "compute": {
              "enabled": true,
              "scaleDownEnabled": true,
              "minInstanceSize": "{MIN-INSTANCE-SIZE}",
              "maxInstanceSize": "{MAX-INSTANCE-SIZE}"
            },
            "diskGB": {
              "enabled": true
            }
          },
          "analyticsAutoScaling": {
            "compute": {
              "enabled": true,
              "scaleDownEnabled": true,
              "minInstanceSize": "{MIN-ANALYTICS-INSTANCE-SIZE}",
              "maxInstanceSize": "{MAX-ANALYTICS-INSTANCE-SIZE}"
            },
            "diskGB": {
              "enabled": true
            }
          }
        }
      ]
    }
  ]
}

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": 3
             },
             "autoScaling": {
               "compute": {
                 "enabled": true,
                 "scaleDownEnabled": true,
                 "minInstanceSize": "{MIN-INSTANCE-SIZE}",
                 "maxInstanceSize": "{MAX-INSTANCE-SIZE}"
               },
               "diskGB": {
                 "enabled": true
               }
             },
             "analyticsSpecs": {
               "instanceSize": "{ANALYTICS-INSTANCE-SIZE}",
               "nodeCount": 1
             },
             "analyticsAutoScaling": {
               "compute": {
                 "enabled": true,
                 "scaleDownEnabled": true,
                 "minInstanceSize": "{MIN-ANALYTICS-INSTANCE-SIZE}",
                 "maxInstanceSize": "{MAX-ANALYTICS-INSTANCE-SIZE}"
               },
               "diskGB": {
                 "enabled": true
               }
             }
           }
         ]
       }
     ]'

Revise as opções de escalonamento automático da camada de cluster

Para revisar as opções de auto-scaling habilitadas para armazenamento e camada do cluster:

Desativar o dimensionamento automático da camada do cluster

Para desativar o auto-scaling do cluster (aumento da camada do cluster), ao criar um novo cluster, navegue até o menu Cluster Tier e desmarque a caixa de seleção Cluster Tier Scaling na seção Auto-scale.

Para desativar o escalonamento automático do cluster (diminuindo a camada do cluster), ao criar um novo cluster, navegue até o menu Cluster Tier e desmarque a caixa de seleção Allow cluster to be scaled down na seção Auto-scale.