ما هو التحجيم التلقائي (auto scaling)؟

يُستخدم التحجيم التلقائي لضمان حصول التطبيقات على الموارد التي تحتاجها للحفاظ على توفر ثابت وتحقيق أهداف الأداء، بالإضافة إلى تعزيز الاستخدام الفعال لموارد الحوسبة السحابية وتقليل تكاليفها.

وفقًا لمستند فني صادر عام 2023 عن شركة Infosys، فإن المؤسسات التي تهاجر إلى الحوسبة السحابية تهدر حوالي 32% من تكلفة الحوسبة السحابية الخاصة بها.¹ وبسبب تركيزها على الاستخدام الفعال للموارد، يعد التحجيم التلقائي مكونًا مفيدًا في ممارسة العمليات المالية (FinOps) الناجحة.

عندما تقوم المؤسسات بتهيئة البنية التحتية السحابية، فإنها توفر الموارد وفقًا لـ "أساس" من احتياجات موارد الحوسبة والتخزين والشبكات. ولكن الطلب يتقلب، على سبيل المثال، مع ارتفاعات أو انخفاضات في حركة مرور الشبكة أو استخدام التطبيقات. تتيح ميزات التحجيم التلقائي زيادة أو تقليل الموارد لتلبية الطلب في الوقت الفعلي وفقًا لمقاييس محددة مثل استخدام وحدة المعالجة المركزية أو توفر النطاق الترددي، دون تدخل بشري.

يمكن استخدام التحجيم التلقائي لتحسين تخصيص الموارد من خلال مجموعة متنوعة من الوسائل. على سبيل المثال، يستخدم التحجيم التنبؤي البيانات التاريخية للتنبؤ بالطلب المستقبلي. أو التحجيم الديناميكي، الذي يتفاعل مع احتياجات الموارد في الوقت الفعلي على النحو الذي تحدده سياسات التحجيم التلقائي للمؤسسة.

تعمل سياسات التحجيم التلقائي على أتمتة دورات حياة مثيلات الحوسبة السحابية، وتشغيل وإنهاء الآلات الافتراضية حسب الحاجة لتلبية الطلب على الموارد. غالبًا ما يتم استخدام التحجيم التلقائي جنبًا إلى جنب مع موازنة التحميل المرنة للاستفادة الكاملة من الموارد السحابية المتاحة.

على الرغم من أن التحجيم التلقائي مرتبط بموازنة التحميل، إلا أنهما ليسا نفس الشيء تمامًا. تؤثر هاتان العمليتان على تخصيص موارد الواجهة الخلفية وتُستخدمان لتحسين الأداء وتجنب الإفراط في التوفير. وغالبًا ما يتم استخدامها معًا.

توزّع موازنات التحميل حركة المرور الواردة على عدة خوادم لتقليل الحمل على أي خادم معين. غالبًا ما توفر موازنات التحميل ميزات مثل فحوصات السلامة التي تساعد في توجيه حركة المرور بعيدًا عن المثيلات غير السليمة ونحو المثيلات السليمة. تساعد موازنة تحميل حركة المرور في تحسين أداء التطبيقات في بيئة سحابية.

بالمقابل، يقوم التحجيم التلقائي بضبط سعة النظام بناءً على الطلب للحفاظ على أداء ثابت وتجنب التزويد المفرط للموارد (أي، استخدام ما هو مطلوب فقط). تعمل خاصية التحجيم التلقائي على إضافة خوادم أو وحدات حوسبة جديدة (أو إنهاء عملها) وفقًا للطلب على الموارد وسياسات التحجيم التلقائي التي وضعتها المؤسسة.

يقدم معظم مزودي الخدمات السحابية، مثل IBM Cloud، و Amazon Web Services (التي تُعرف أحيانًا باسم AWS Cloud)، و Microsoft Azure، و Oracle Cloud Infrastructure خدمات التحجيم التلقائي على منصاتهم السحابية. يمكن أن تساعد هذه الخدمات المؤسسات في تكوين سياسات التحجيم التلقائي لتلبية احتياجات وأهداف الحوسبة السحابية للمؤسسة.

تقدم مختلف الجهات المزودة والمنصات ميزات وقدرات وتسعيرًا مختلفًا، وستتوفر لدى المؤسسات موارد مختلفة وحالات استخدام متنوعة، ولكن بشكل عام يعمل التحجيم التلقائي على النحو التالي:

تبدأ العملية بتكوين إطلاق، أو نشر أساسي، حيث يتم نشر نوع (أو أنواع) مثيل بقدرة وميزات أداء محددة. يتم هذا النشر غالبًا باستخدام استدعاءات واجهات برمجة التطبيقات (API) والبنية التحتية ككود (IaC)، وهي عملية تستخدم التعليمات البرمجية لتوفير وتكوين عناصر البنية التحتية لتكنولوجيا المعلومات وفقًا لمواصفات محددة مسبقًا.

تُحدد المؤسسات السعة المطلوبة، ونوع السمات التي يحتاجها المثيل بناءً على حجم العمل المتوقع لهذا المثيل. عند إعداد سياسة التحجيم التلقائي، يمكن للمؤسسات تحديد أهداف وعتبات لاستخدام الحوسبة أو التخزين أو الشبكة. عند استيفاء هذه العتبات، يمكن أن يؤدي ذلك تلقائيًا إلى تشغيل إجراء محدد لاستيعاب متطلبات الموارد الحالية بدقة أكبر. إذا رغبت في ذلك، يمكن تهيئة السياسات بحيث يتم إرسال إشعارات في كل مرة يتم فيها بدء إجراء تغيير في الحجم.

يمكن للمؤسسات أيضًا إعداد مجموعات مثيلات تحافظ على حد أدنى أو أقصى لعدد المثيلات لأحمال التشغيل المحددة، أو تجميع أنواع مثيلات مختلفة للتعامل مع أنواع مختلفة من أحمال التشغيل. تشمل أنواع المثيلات^:2

تم تصميم أنواع المثيلات ذات الأغراض العامة لمجموعة متنوعة من أحمال التشغيل، بما في ذلك خوادم الويب وقواعد البيانات الصغيرة وبيئات التطوير والاختبار.

تم تحسين هذه المثيلات أحمال التشغيل التي تتطلب الكثير من الحوسبة، مثل الحوسبة عالية الأداء ومعالجة الدفعات والنمذجة العلمية. تعمل هذه المثيلات على زيادة طاقة الحوسبة إلى أقصى حد باستخدام وحدة معالجة الرسومات (GPU) ووحدة المعالجة المركزية (CPU) ذات العدد الكبير من النوى.

تم تحسين هذه المثيلات ذات الذاكرة العالية لأحمال العمل التي تتطلب ذاكرة مكثفة مثل قواعد البيانات عالية الأداء، والتخزين المؤقت الموزع في الذاكرة، ومعالجة البيانات في الوقت الفعلي، وتحليلات البيانات الكبيرة.

تم تحسين هذه المثيلات لأحمال التشغيل كثيفة التخزين مثل البيانات الكبيرة وتخزين البيانات ومعالجة السجلات. فهي تستفيد من التخزين المؤقت عالي السعة ومحركات الأقراص ذات الحالة الصلبة (SSD) لدعم أنشطة القراءة والكتابة المكثفة لأحمال التشغيل.

مجموعات التحجيم التلقائي التي تتميز بأنواع مثيلات مختلطة تمكن فرق عمليات السحابة وعمليات التطوير من تلبية متطلبات الموارد بدقة وكفاءة أكبر. على سبيل المثال، إذا تم تلبية احتياجات عرض النطاق الترددي بشكل مناسب، ولكن تجاوز استخدام وحدة المعالجة المركزية الحد المحدد في سياسات التحجيم التلقائي، يمكن للنظام تنشيط المزيد من المثيلات المتخصصة في الحوسبة. وفي الوقت نفسه، تظل المثيلات المخصصة للتعامل مع حركة مرور الشبكة كما هي.

بمجرد أن تفهم الفرق أحمال التشغيل، يمكنهم حتى إنشاء قوالب تكوين التشغيل للمثيلات الجديدة. وتحدد هذه القوالب نوع المثيل ومعلمات التكوين والسياسات الأخرى الخاصة بتدوير المثيلات الجديدة وكيفية مساهمتها في بيئة السحابة بشكل عام. يتيح هذا للمؤسسات أتمتة دورات حياة الآلات الافتراضية بالكامل.

يوجد عدة انواع مختلفة من التحجيم، بالإضافة إلى طرق مختلفة للتحجيم التلقائي:

يستلزم التحجيم الأفقي أو "التوسع الأفقي" إضافة المزيد من الآلات أو العقد إلى بيئة الحوسبة السحابية. يمكنك أيضًا التوسع الداخلي، مما يقلل عدد العقد في البيئة.

التحجيم الرأسي، أو "التوسع الرأسي"، هو عملية إضافة المزيد من الطاقة—ذاكرة الوصول العشوائي، ووحدة المعالجة المركزية، والتخزين، على سبيل المثال—إلى العقد الموجودة في بيئة الحوسبة السحابية الحالية لديك.

يمكن أن تكون سياسات التحجيم التلقائي تنبؤية أو ديناميكية أو مجدولة.

تستخدم سياسات التحجيم التنبؤية الذكاء الاصطناعي (AI) والتعلم الآلي لتوقع احتياجات الموارد المستقبلية قبل حدوثها بناءً على الاستخدام التاريخي.

على سبيل المثال، قد تحدد سياسة التحجيم التلقائي التنبؤي احتمالية زيادة حركة المرور على الويب لشركة تجارة إلكترونية قبل موسم الشراء في العطلات. قد يتم التوسع أفقيًا أو رأسيًا وفقًا للسياسة المحددة. يمكن أن يساعد هذا النهج بشكل استباقي في تقليل زمن انتقال الشبكة وفترة التعطل.

تستجيب سياسات التحجيم الديناميكي لاحتياجات الموارد عند حدوثها، وتعدل تخصيص الموارد بناءً على الاستخدام في الوقت الفعلي. باستخدام سياسة التحجيم الديناميكي، يمكن للمؤسسات إرسال المزيد من الموارد إلى العقدة أو مجموعة التحجيم التلقائي. ويمكنهم أيضًا تدوير مثيلات إضافية عند الوصول إلى حد معين، مثل النسبة المئوية لاستخدام وحدة المعالجة المركزية.

على سبيل المثال، إذا كانت مؤسسة تدير تطبيق ويب يستهلك موارد كبيرة بجدول غير منتظم، فيمكن استخدام سياسة تحجيم ديناميكية لضبط توفر الموارد حسب الحاجة. غالباً ما يصاحب التحجيم الديناميكي فترة تباطؤ، تظل فيها الموارد المتزايدة متاحة في حالة حدوث ارتفاعات إضافية في حركة المرور.

سياسات التحجيم التلقائي المجدولة تخصص الموارد وفقًا لجدول زمني محدد مسبقًا. على سبيل المثال، إذا كانت مؤسسة ما تعلم أن حركة المرور أو الطلب على الموارد أعلى بكثير في المساء مقارنة بالصباح، فيمكن وضع سياسة تحجيم تلقائي لاستيعاب هذا الطلب.

عند التنفيذ الفعال، يمكن أن يلعب التحجيم التلقائي دورًا هامًا في تحسين بيئة الحوسبة السحابية للمؤسسة وتقليل التكاليف السحابية الإجمالية.

من خلال وضع سياسات قوية للتحجيم التلقائي، يمكن للمؤسسات تقليل اعتمادها على التزويد اليدوي وضمان أداء أكثر اتساقًا للنظام.