Esta página aborda o dimensionamento automático da camada do cluster. Para aprender como funciona o dimensionamento automático da camada do cluster, consulte Dimensionamento automático reativo para camada do cluster e Dimensionamento automático preditivo para camada do cluster. Para aprender como o dimensionamento automático do armazenamento de cluster funciona, consulte Como o Atlas dimensiona o armazenamento de cluster no Atlas Core.
Dimensionamento automático da camada do cluster
O Atlas usa dimensionamento automático reativo e preditivo para camadas do cluster. O Atlas escolhe seu mecanismo de dimensionamento automático com base no tipo, nível e padrão de carga de trabalho do cluster.
Observação
Disponibilidade de nível
O dimensionamento automático de camadas do cluster funciona em camadas do cluster nas classes General e Low-CPU, mas não em clusters na classe Local NVMe SSD.
Dimensionamento automático reativo. O Atlas usa limites, e não predição, para trigger eventos de dimensionamento com base no uso atual de recursos. O dimensionamento automático reativo ocorre após o uso sustentado alto ou baixo de recursos. Para saber mais, consulte Dimensionamento automático reativo para a camada do cluster.
Dimensionamento automático preditivo. O Atlas usa o aprendizado de máquina para antecipar futuras necessidades de dimensionamento com base em padrões de uso históricos e em tentativas de trigger eventos de dimensionamento antes que o pico de carga de trabalho previsto chegue.
O dimensionamento automático preditivo é uma extensão do dimensionamento automático da camada do cluster e volta ao dimensionamento automático reativo. A Atlas continua a depender do dimensionamento automático reativo para gerenciar picos inesperados na carga de trabalho que não são cíclicos ou previsíveis. O Atlas usa dimensionamento automático preditivo para clusters elegíveis. Para saber mais, veja Dimensionamento automático preditivo para a camada do cluster.
Importante
Se você criar um cluster no Atlas e ele for elegível para dimensionamento automático reativo e elegível para dimensionamento automático preditivo, ambos os mecanismos de dimensionamento automático preditivo e reativo serão habilitados por padrão para o novo cluster se você usar a IU do Atlas. Em seguida, o Atlas usa mecanismos de dimensionamento automático com base no tipo, nível e carga de trabalho do cluster. Se você usar a Administration API do Atlas, deverá habilitar explicitamente dimensionamento automático.
Dimensionamento automático reativo para camada do cluster
Observação
Uso de termo de dimensionamento automático
Em toda a documentação do Atlas, sempre que o termo dimensionamento automático é usado sem a palavra "preditivo", ele se refere ao mecanismo reativo de dimensionamento automático. Consulte também dimensionamento automático preditivo.
Você pode configurar as faixas das camadas do cluster que o Atlas usa para dimensionar automaticamente sua camada do cluster, a capacidade de armazenamento ou ambos em resposta ao uso do cluster. Para saber como o dimensionamento automático de armazenamento afeta o dimensionamento de computação, consulte Como o Atlas dimensiona o armazenamento de cluster no Atlas Core.
Para otimizar a utilização de recursos e melhorar o perfil de custo, o dimensionamento automático reativo do Atlas detecta uma demanda mais alta sustentada e um tráfego de pico de curto prazo e ajusta a camada do cluster com base no uso de recursos tempo real.
Para ajudar a controlar os custos, você pode especificar um intervalo de tamanhos máximos e mínimos de cluster para os quais seu cluster pode dimensionar automaticamente.
No Microsoft Azure, quando uma alteração de tier de dimensionamento automático encontra um erro de falta de capacidade, a capacidade adaptável conclui a operação em um tipo de instância alternativo do tier de destino. O dimensionamento para baixo não é trigger se o tipo de instância preferencial não estiver disponível. Para aprender mais, consulte Capacidade adaptável para clusters do Azure e do Google Cloud Platform.
O dimensionamento automático reativo funciona de forma contínua e o processo não gera nenhum tempo de inatividade. O Atlas mantém um nó primário durante esse processo, mas os nós são atualizados um a um e ficam indisponíveis durante a atualização.
Para aprender sobre recomendações de escalabilidade, incluindo evitar o desvio de recursos ao usar infrastructure as code com dimensionamento automático reativo, veja Recomendações para escalabilidade do Atlas no Architecture Center do Atlas.
Clusters elegíveis para dimensionamento automático reativo
O dimensionamento automático reativo da camada do cluster Atlas está disponível para todas as camadas do cluster dedicadas do Atlas Core nas classificações do cluster General e Low-CPU. O dimensionamento automático reativo também está disponível para clusters do 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.
Importante
Para cluster dedicados do Atlas Core, se você restaurar um snapshot com um tamanho maior que a capacidade de armazenamento do cluster de destino, o cluster não será dimensionado automaticamente.
O Atlas usa os seguintes conceitos de utilização de recursos e controle de admissão de operações para determinar quando dimensionar seu 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: valor que o Atlas usa para decisões de dimensionamento automático em clusters
M10eM20. Isso é calculado como:Relative System CPU Utilization = Normalized System CPU / Baseline CPU UtilizationOnde:
CPU do sistema normalizada: uso total da CPU somado em todos os núcleos, normalizado para a utilização da CPU de linha de base. Visível como CPU do sistema normalizada nas métricas do Atlas.
Utilização da CPU de referência: Fração da CPU completa garantida para sua instância pelo provedor de nuvem, normalmente 20%-50% para tipos de instância expansíveis. Não visível nas métricas do Atlas. Para aprender mais, consulte utilização da CPU de linha de base.
Por exemplo, usando 20% como uma estimativa de limite inferior para o Baseline CPU Utilization, os seguintes valores de Relative System CPU Utilization correspondem a esses valores de CPU do sistema normalizada nas métricas do Atlas:
75%A utilização relativa da CPU do sistema é igual a15%Normalized System CPU (75% de 20%).90%A utilização relativa da CPU do sistema é igual a18%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 dimensionamento 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 da memória total disponível para o nó. Isso é calculado como:
System Memory Utilization = Memory Used / Total Memory * 100Onde:
Memória usada: número de bytes de memória física atualmente em uso no hospedar. Visível como Memória do sistema: memória usada (bytes) nas métricas do Atlas.
Memória total: memória física total disponível para o nó, conforme relatado pelo sistema operacional. O Atlas não exibe esse valor como uma métrica separada. Não visível nas métricas do Atlas.
Observação
O valor System Memory Utilization que o Atlas usa para decisões de dimensionamento automático pode diferir ligeiramente do valor mostrado no painel de métricas do Atlas. Se uma redução de escala não ocorrer quando System Memory Utilization parecer baixo, entre em contato com o Suporte do MongoDB.
Operações na fila ou rejeitadas: Taxa combinada de operações que o Atlas coloca na fila ou rejeita para proteger seu cluster contra sobrecarga como parte do Gerenciamento Inteligente de Carga de Trabalho (IWM). O Atlas calcula isso como:
Queued or Rejected Operations = Queued Operations + Rejected OperationsOnde:
Operações na fila: Taxa média por minuto de operações de entrada que o Atlas adiciona à fila do limitador de taxa de solicitação de entrada para aguardar a admissão no cluster. A taxa por segundo é visível como Limitação de taxa de operação: operações na 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 o Load Shedding está ativo. A taxa por segundo é visível como Limitação de taxa de operação: operações rejeitadas nas métricas do Atlas.
Para aprender como o IWM funciona para enfileirar ou rejeitar operações em resposta à sobrecarga do cluster, consulte Intelligent carga de trabalho gerenciamento.
Um valor combinado acima de zero significa que seu cluster está sobrecarregado.
As seções a seguir descrevem como o Atlas usa essas métricas para determinar quando dimensionar seu cluster para cima ou para baixo.
Condições para dimensionamento vertical
Para gerenciar cargas de trabalho dinâmicas para seus aplicativos, o Atlas dimensiona reativamente os nós no cluster nas condições descritas nesta seção.
Para alcançar a utilização ideal de recursos e o perfil de custo, o Atlas evita aumentar o cluster para o próximo nível se:
O cluster
M10ouM20foi escalado verticalmente nos últimos 20 minutos ou uma hora, dependendo dos limites.O cluster
M30+foi escalado verticalmente nos últimos 10 minutos ou uma hora, dependendo dos limites.O cluster foi escalado verticalmente nos últimos 10 minutos, pelo critério Queued or Rejected Operations.
Por exemplo, se a camada do cluster não foi alterada desde 12:00, o Atlas dimensionará um cluster M30+ em 12:10, se a utilização normalizada da CPU do sistema atual do cluster for maior que 90%.
Se a próxima camada do cluster estiver dentro da sua faixa Maximum Cluster Size, o Atlas dimensionará os nós operacionais no seu cluster para a próxima camada se pelo menos um dos seguintes critérios for verdadeiro para qualquer nó do cluster deste tipo.
Observação
As condições nesta seção descrevem os nós operacionais. Para nós de análise em qualquer provedor de nuvem, o Atlas os dimensiona para o próximo tier se a média Normalized System CPU ou a System Memory Utilization tiver excedido 75% dos recursos disponíveis para qualquer nó do cluster na última hora. O Atlas não aplica o critério Queued or Rejected Operations aos nós de análise.
A lista a seguir agrupa os critérios por camada do cluster. Dentro de cada tier, os critérios relacionados à CPU aparecem primeiro, seguidos pelos critérios relacionados à memória. Dentro de cada um desses dois conjuntos, os critérios específicos de um provedor de nuvem aparecem primeiro. Os critérios restantes aparecem em ordem, do mais restritivo ao menos restritivo. O critério de sobrecarga se aplica a cada tier dedicado e aparece por último.
M10eM20clusters:AWS. A média normalizada de Relative System CPU Utilization excedeu 90% nos últimos 20 minutos e a média não normalizada de Absolute System CPU Utilization para roubo de CPU excedeu 30% nos últimos 3 minutos.
Azure. A média normalizada de Relative System CPU Utilization excedeu 90% nos últimos 20 minutos e a média não normalizada de Absolute System CPU Utilization para softIRQ excedeu 10% nos últimos 3 minutos.
A Absolute System CPU Utilization normalizada média excedeu 90% dos recursos disponíveis para o cluster nos últimos 20 minutos.
A média normalizada de Relative System CPU Utilization excedeu 75% dos recursos disponíveis para o cluster na última hora.
A System Memory Utilization média excedeu 90% dos recursos disponíveis para o cluster nos últimos 10 minutos.
A média de System Memory Utilization excedeu 75% dos recursos disponíveis para o cluster na última hora.
Observação
Se ocorrer um aumento quando Normalized System CPU aparecer baixo, entre em contato com o Suporte do MongoDB.
M30+clusters:A Normalized System CPU média excedeu 90% dos recursos disponíveis para o cluster nos últimos 10 minutos.
A média de Normalized System CPU excedeu 75% dos recursos disponíveis para o cluster na última hora.
A System Memory Utilization média excedeu 90% dos recursos disponíveis para o cluster nos últimos 10 minutos.
A média de System Memory Utilization excedeu 75% dos recursos disponíveis para o cluster na última hora.
Todos os cluster dedicado,
M10+:Queued or Rejected Operations permanece acima de zero para cada amostra nos últimos 10 minutos.
O Atlas exige que a taxa permaneça acima de zero durante toda a janela de 10minutos, em vez de fazer uma média, para que um breve pico de enfileiramento ou rejeição de operações durante um curto pico de tráfego não dimensione seu cluster. A redução de carga sustentada indica que sua carga de trabalho excede o que o tier atual pode admitir, portanto, o Atlas é dimensionado para aliviar a sobrecarga.
Observação
Este critério mede se o Atlas descartou carga, não o quanto. Qualquer taxa sustentada acima de zero atende ao limite.
Esses limites garantem que seu cluster seja dimensionado rapidamente em resposta a altas cargas, mantendo seu desempenho e confiabilidade.
Observação
O Atlas não trigger o dimensionamento automático da camada do cluster durante uma interrupção regional simulada. Esse comportamento também pode ocorrer durante uma interrupção regional real se o cluster não tiver nós íntegros o suficiente para dar suporte a operações de dimensionamento.
Importante
Picos de carga de trabalho súbita
O dimensionamento para uma camada de cluster maior requer tempo suficiente para preparar recursos de apoio. O dimensionamento automático pode não ocorrer quando um cluster recebe uma explosão de atividade, como uma inserção em massa. Para reduzir o risco de ficar sem recursos, planeje aumentar os clusters antes de inserções em massa e outros picos de volume de trabalho.
Exemplo
Considere um exemplo de cenário com os seguintes valores para ver como o Atlas avalia as condições de dimensionamento. A utilização da CPU de linha de base não é visível no painel de métricas do Atlas e pode estar na faixa de 20% a50% para tipos de instância burstable. Você pode usar qualquer valor nessa faixa para estimar os limites superior e inferior, e este exemplo usa 20% como o limite inferior dessa faixa.
Normalized System CPU: 60%
Roubo de CPU: 10%
Avaliando as condições:
Condição 1 (AWS): Requer Utilização Relativa Média da CPU do Sistema > 90% por 20 minutos E roubo médio de CPU > 30% por 3 minutos.
CPU relativa: 60% out 20% = 300%, limitado em 100%. Primeiro limite atingido.
O roubo de CPU é de 10%, que não excede 30%. Segundo limite não atingido.
Resultado: Condição 1 não atendida. Ambos os limites devem ser verdadeiros.
Condição 2: Requer média de Normalized System CPU > 90% por 20 minutos.
A CPU do Sistema Normalizado é 60%, que não excede 90%.
Resultado: Condição 2 não atendida.
Condição 3: Requer Utilização Relativa Média da CPU do Sistema > 75% por 1 hora.
CPU relativa: 60% out 20% = 300%, limitado em 100%.
Resultado: Condição 3 atendida. O Atlas aciona o dimensionamento automático.
Condições para dimensionamento reduzido
Para otimizar os custos, o Atlas dimensiona reativamente para baixo os nós no seu cluster sob as condições descritas nesta seção.
O Atlas começa a verificar essas condições a partir do momento em que você ativa o downscaling, não retroativamente. Mesmo que o cluster atenda a essas condições antes de você ativar o downscaling, o Atlas não reduzirá até que as janelas de tempo necessárias tenham decorrido desde a ativação do recurso.
Se a próxima camada do cluster mais baixa estiver dentro da faixa de Minimum Cluster Size, o Atlas dimensionará os nós do seu cluster para o próximo tier mais baixo se todos os critérios a seguir forem verdadeiros para todos os nós do cluster:
Todos os nós:
O Atlas não reduziu o cluster (manual ou automaticamente) nas últimas 24 horas.
O Atlas não provisionou nem despausou o cluster nas últimas 24 horas.
O Atlas não interrompeu e reiniciou nenhum nó de cluster nas últimas 12 horas.
A média de Normalized System CPU está abaixo de 45% dos recursos disponíveis para o cluster pelo menos nos últimos 10 minutos E nas últimas 4 horas. O Atlas usa o checkpoint "4 horas em média" como indicação de que a carga da CPU se abaixou no nível observado. O Atlas usa o checkpoint "média de 10 minutos" como uma indicação de que não ocorreu nenhum pico recente de CPU que o Atlas não tenha capturado com o checkpoint"média de 4 horas".
Observação
Para as camadas
M10eM20, o Atlas aplica o limite de 45% da CPU em relação à utilização da CPU da linha de base da instância, em vez da linha de base 100% padrão. Usando 20% como uma estimativa inferior, o limite absoluto efetivo da CPU para a redução é de aproximadamente 9% (45% de 20%).O uso médio do cache do WiredTiger está abaixo de 90% do tamanho máximo do cache do WiredTiger por pelo menos os últimos 10 minutos E as últimas 4 horas no tamanho atual da camada do cluster. Isso indica ao Atlas que o cluster atual não está sobrecarregado.
O Projected Memory Utilization na nova camada do cluster está abaixo de 60% por pelo menos os últimos 10 minutos E as últimas 4 horas.
Para calcular Projected Memory Utilization, o Atlas começa com o uso atual da memória, visível como Memória do sistema: Memória usada (bytes) nas métricas do Atlas. O Atlas subtrai o uso atual do cache WiredTiger, adiciona 80% do tamanho máximo do cache WiredTiger no **novo** tier inferior e, em seguida, divide o resultado pela RAM total desse tier.
Este valor difere de System Memory Utilization, que mede toda a memória em uso em relação à RAM no tier atual.
Observação
O Atlas inclui o cache WiredTiger neste cálculo para aumentar a probabilidade de que clusters com cache cheio, mas com tráfego baixo, sejam dimensionados para baixo. O dimensionamento para baixo requer que ambos os limites a seguir sejam atingidos:
90%: O uso do cache WiredTiger do tier atual deve estar abaixo de 90% do seu tamanho máximo.
60%: O Projected Memory Utilization no novo tier inferior deve estar abaixo de 60%.
Essas condições garantem que o Atlas reduza os nós operacionais em seu cluster para evitar estados de alta utilização.
Observação
O Atlas avalia o dimensionamento baseado em memória usando a **utilização de memória projetada**, que difere do System Memory Utilization exibido na IU do Atlas. Se uma redução de escala não ocorrer quando System Memory Utilization parecer baixo, entre em contato com o suporte do MongoDB.
- A média Normalized System CPU e System Memory Utilization nas últimas 24 horas está abaixo de 50% dos recursos disponíveis para o cluster.
Observação
M10e os clustersM20usam limites mais baixos para contabilizar os limites de uso da CPU que os provedores de nuvem definem após os períodos de intermitência. Esses limites variam dependendo do seu provedor de nuvem e da camada de cluster.
Dimensionamento de um cluster no Atlas Core
Esta seção se aplica a clusters do Atlas Core. O sharding não é suportado em clusters Atlas Infinite durante a visualização pública. O Atlas dimensiona automaticamente a camada do cluster para clusters 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 dimensiona automaticamente. No entanto, um shard de configuração executa dimensionamento automático.
Dimensionamento de um Cluster Dedicado Gen2 no Atlas Core
Esta seção se aplica a clusters do Atlas Core. Para aprender sobre o dimensionamento automático de clusters do Atlas Infinite, consulte Dimensionamento automático de computação 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.
M10e os clustersM20são independentes de geração. O Atlas pode dimensionar automaticamente clustersM10ouM20para clusters Gen1 ou Gen2.Por exemplo, se o limite máximo de dimensionamento automático for uma camada do cluster Gen1, o Atlas dimensiona automaticamente o cluster para a Gen1. Se o limite máximo de dimensionamento automático for uma camada do cluster Gen2, o Atlas dimensiona automaticamente o cluster para a Gen2. Você também pode usar
M10ouM20como o limite mínimo de dimensionamento automático para clusters Gen1 e Gen2.
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.
Observação
Alternar a geração de cluster para clusters hospedados no GCP
Os clusters hospedados no Google Cloud Platform usam diferentes tipos de disco, dependendo da geração do cluster:
Gen1,
M10, e clustersM20usam armazenamento Persistent Disk.Gen2 cluster usam armazenamento Hyperdisk.
Para saber mais, consulte Opções de armazenamento na documentação do Google.
O dimensionamento automático de um cluster hospedado no Google Cloud de um cluster M10 ou M20 para um cluster Gen2 ou vice-versa exige que o Atlas mova seus dados entre esses tipos de disco. Isso pode levar mais tempo do que o dimensionamento automático de um cluster M10 ou M20 de e para um cluster Gen1.
Dimensionamento automático preditivo para camada do cluster
O dimensionamento automático preditivo é uma extensão do dimensionamento automático.
O Atlas usa a previsão de demanda para a utilização de recursos do hospedar e realiza o dimensionamento preemptivo da computação do cluster para garantir a utilização ideal dos recursos. Com o dimensionamento automático preditivo, o Atlas tenta dimensionar seu cluster de forma proativa, antes dos picos cíclicos de carga de trabalho.
O dimensionamento automático preditivo é alimentada por um modelo de aprendizado de máquina baseado em padrões históricos. O Atlas analisa a utilização de recursos no nó primário para tomar decisões de dimensionamento. O modelo preveja quando a utilização de recursos será alta com base em padrões de uso históricos, e o Atlas dimensiona o cluster se o modelo prever a alta utilização de recursos. O MongoDB atualiza o modelo e seus critérios continuamente para otimizar o desempenho do Atlas .
O modelo analisa uma janela de entrada contínua de 4semanas para identificar padrões cíclicos. Qualquer padrão observável dentro dessa janela, por exemplo, ciclos por hora, diários, semanais ou bissemanais, pode ser capturado. Padrões com períodos mais longos, como ciclos mensais ou trimestrais, estão fora da janela de 4semanas e não são detectáveis.
Observação
Para padrões próximos ao limite superior da janela, a precisão pode diminuir porque ocorrem menos ciclos completos dentro da janela.
O dimensionamento automático preditivo tem os seguintes benefícios para clusters com cargas de trabalho cíclicas preditivas:
Aumente automaticamente o cluster para padrões de carga de trabalho cíclicos na janela de entrada de 4semanas.
Mantenha o desempenho e a disponibilidade consistentes durante os períodos previsíveis de alta demanda.
Reduza as tarefas manuais de dimensionamento ou os scripts agendados permitindo que o Atlas gerencie os aumentos de capacidade.
Retorne perfeitamente ao dimensionamento automático reativo quando as alterações na carga de trabalho do cluster estiverem fora dos padrões previsíveis e forem não cíclicas ou imprevisíveis.
Para acionar o dimensionamento automático preditivo, seu cluster deve manter registros de atividades contínuos por duas semanas. Uma vez que atenda a esse critério, o sistema permite o dimensionamento automático preditivo.
Observação
Se você pausar seu cluster, o dimensionamento automático preditivo exigirá duas semanas consecutivas de atividade antes que ele possa ser retomado.
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
M30ou superior.Tenha o dimensionamento automático habilitado. Se você habilitar o dimensionamento para baixo, o tamanho mínimo da instância de dimensionamento automático deve 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.
Considerações sobre o dimensionamento descendente da camada do cluster
Você pode reduzir manualmente sua camada do cluster na página Editar Cluster. As seguintes considerações se aplicam quando você reduz manualmente a camada do cluster:
Estime o intervalo de cargas de trabalho de sua implantação e, em seguida, defina o valor Minimum Cluster Size para a camada de cluster que tem capacidade suficiente para lidar com a carga de trabalho de sua implantação. Considere quaisquer possíveis picos ou quedas na atividade do cluster.
Não é possível dimensionar para uma camada de cluster menor que
M10.Em um cluster do Atlas Core, você não pode selecionar uma camada mínima de cluster que esteja abaixo da configuração de disco atual do cluster. Se o seu armazenamento aumentar além do que é suportado pela sua camada mínima do cluster, e o Atlas aumentar a configuração de armazenamento dos seus clusters além do que a sua camada mínima do cluster suporta, então o Atlas ajustará automaticamente a sua camada mínima do cluster para uma tier que suporte os requisitos de armazenamento atuais do seu cluster.
Exemplo
Você definiu seus limites de dimensionamento automático como
M20-M60e sua camada do cluster atual éM40com uma capacidade de disco de 200GB. O Atlas aciona um evento de dimensionamento automático de disco para aumentar a capacidade para 320GB porque o uso atual do disco excede 180GB, o que é mais de 90% da capacidade de 200GB.O Atlas realiza as seguintes ações:
Eleva o nível mínimo do cluster para o próximo nível mais baixo,
M30, que pode acomodar a nova capacidade de armazenamento.M20dá suporte a uma capacidade máxima de armazenamento de 256GB, portanto, não é mais um limite de dimensionamento automático válido.Determina que o tamanho da instância atual,
M40, suporta a nova configuração de disco. O evento de dimensionamento automático do disco é bem-sucedido.
Configurar opções de auto-scaling
Você pode configurar opções de auto-scaling ao criar ou modificar um cluster. Para novos clusters, o Atlas permite automaticamente o auto-scaling do tier de cluster e o auto-scaling de armazenamento.
As opções de dimensionamento automático de armazenamento nesta seção se aplicam aos cluster do Atlas Core.
Você pode executar um dos seguintes procedimentos:
Você pode revisar e ajustar as camadas do cluster superior e inferior que o Atlas deve usar ao fazer o dimensionamento automático de seu cluster ou
Desativar o uso do dimensionamento automático.
O Atlas exibe opções de auto-scaling na seção Auto-scale do construtor de cluster para clusters de nível General e Low-CPU.
Auto-scaling habilitado por padrão
Quando você cria um novo cluster, o Atlas permite o dimensionamento automático (preditivo e reativo) para a camada do cluster e o armazenamento do cluster. (O dimensionamento automático preditivo afeta apenas a camada do cluster e não afeta o armazenamento.) Você não precisa habilitar explicitamente o dimensionamento automático. Se preferir, você pode optar por não atuar na camada do cluster e no armazenamento do cluster.
Observação
O Atlas permite o dimensionamento automático da camada do cluster por padrão quando você cria clusters na IU do Atlas. Se você criar clusters com a API, o dimensionamento automático de clusters não é selecionado por padrão e você deve ativá-lo explicitamente, usando as opções no objeto autoScaling do ponto de extremidade Atualizar Um Cluster em Um Projeto.
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 as camadas do cluster e as configurações do provedor pelas de que você precisa.
Para configurar o dimensionamento automático com o Atlas CLI, crie um arquivo JSON que contenha a configuração de dimensionamento automático e, em seguida, especifique-o no comando atlas api clusters updateCluster.
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.