AWS mengumumkan dukungan untuk penskalaan prediktif untuk layanan Amazon ECS
Hari ini, AWS mengumumkan dukungan untuk penskalaan prediktif untuk Amazon Elastic Container Service (Amazon ECS). Penskalaan prediktif memanfaatkan algoritma machine learning yang canggih untuk secara proaktif menskalakan layanan Amazon ECS Anda sebelum lonjakan permintaan, mengurangi biaya penyediaan berlebih sekaligus meningkatkan respons dan ketersediaan aplikasi.
Amazon ECS menawarkan serangkaian opsi penskalaan otomatis layanan yang lengkap, termasuk pelacakan target dan kebijakan penskalaan langkah, yang secara otomatis menyesuaikan jumlah tugas sebagai respons terhadap beban yang diamati, serta penskalaan terjadwal untuk menentukan aturan secara manual guna menyesuaikan kapasitas untuk pola permintaan rutin. Banyak aplikasi mengamati pola berulang dari perubahan permintaan yang tajam, seperti lonjakan di pagi hari saat bisnis kembali dibuka, di mana kebijakan penskalaan reaktif dapat lambat dalam merespons. Penskalaan prediktif merupakan kemampuan baru yang memanfaatkan algoritma machine learning canggih, yang telah dilatih sebelumnya pada jutaan titik data, untuk secara proaktif menambahkan skala ECS sebelum lonjakan permintaan yang diantisipasi. Anda dapat menggunakan penskalaan prediktif bersama kebijakan penskalaan otomatis yang ada, seperti pelacakan target atau penskalaan langkah, sehingga aplikasi Anda berskala berdasarkan pola real-time dan historis. Anda juga dapat memilih mode “hanya prakiraan” untuk mengevaluasi keakuratan dan kesesuaiannya, sebelum mengaktifkannya untuk “prakiraan dan skala”. Penskalaan prediktif meningkatkan responsivitas dan ketersediaan untuk aplikasi dengan pola permintaan berulang, sekaligus mengurangi upaya operasional dalam mengonfigurasi kebijakan penskalaan secara manual dan biaya dari penyediaan berlebihan.
Anda dapat menggunakan konsol manajemen AWS, SDK, CLI, CloudFormation, dan CDK untuk mengonfigurasi penskalaan otomatis prediktif untuk layanan ECS Anda. Untuk daftar AWS Region yang didukung, lihat dokumentasi. Untuk mempelajari lebih lanjut, kunjungi posting blog dan dokumentasi.