Il existe différentes façons de configurer l'utilisation temporaire du cloud, selon le niveau de contrôle ou d'automatisation dont une équipe a besoin.

• Configuration manuelle de l'utilisation temporaire : un administrateur ajoute manuellement des ressources du cloud public. Cette approche peut être utile pour des événements prévisibles, comme le lancement d'un logiciel, où un humain peut décider exactement quand démarrer et arrêter la capacité supplémentaire.
• Configuration automatique de l'utilisation temporaire : cette méthode utilise des règles logicielles pour déclencher l'utilisation temporaire. Lorsque le système détecte que l'utilisation des ressources a atteint une limite spécifique, il peut automatiquement provisionner des ressources supplémentaires dans le cloud public, sans intervention humaine.
• Équilibrage de charge distribué : cette approche répartit le trafic simultanément entre les clouds privé et public. L'équilibreur de charge achemine les requêtes des utilisateurs vers l'emplacement le plus proche ou celui qui dispose de la plus grande capacité disponible à ce moment-là.

Pour implémenter l'utilisation temporaire du cloud, il ne suffit pas de disposer de deux environnements de calcul. Vous devez aussi établir une stratégie pour gérer la complexité du déplacement des données et des applications entre ces environnements. Pour ce faire, les organisations doivent disposer de fonctionnalités qui garantissent une connectivité fluide et une gestion cohérente.

L'une des méthodes les plus efficaces pour implémenter un déclencheur d'utilisation temporaire du cloud consiste à utiliser Google Kubernetes Engine (GKE) et l'autoscaler horizontal des pods (HPA) avec des métriques externes. Dans ce scénario, votre application sur site envoie un signal (une métrique) à Google Cloud Monitoring. Lorsque ce signal dépasse un seuil, GKE lance automatiquement de nouveaux pods dans le cloud pour gérer la charge.

Voici comment configurer un déclencheur basé sur la profondeur d'une file d'attente Pub/Sub (un indicateur courant de surcharge des nœuds de calcul sur site) :

1. Activer l'API des métriques personnalisées : vous devez d'abord autoriser votre cluster GKE à lire les métriques Cloud Monitoring. Pour ce faire, vous devez déployer l'adaptateur de métriques personnalisées Stackdriver sur votre cluster. Cet adaptateur sert de pont, en traduisant les métriques Google Cloud dans un format compréhensible par Kubernetes.

2. Définir la configuration HPA : créez un fichier YAML HorizontalPodAutoscaler. Contrairement à un autoscaler standard qui examine l'utilisation du processeur, celui-ci examine une métrique externe, à savoir le nombre de messages non distribués dans un abonnement Pub/Sub (num_undelivered_messages).

3. Appliquer et surveiller : appliquez cette configuration à l'aide de la commande kubectl apply -f hpa.yaml . GKE "surveille" alors votre file d'attente. Si votre système sur site ralentit et que la file d'attente dépasse la cible (50 messages), l'autoscaler horizontal des pods déclenche automatiquement la création de nouveaux pods dans le cloud pour traiter les messages en attente. Une fois la file d'attente vide, GKE réduit le nombre de pods à zéro.

Il n'est pas possible de gérer ce que l'on ne voit pas. Pour que l'utilisation temporaire du cloud fonctionne, les équipes informatiques doivent avoir une vision claire de leurs ressources, à la fois dans leur centre de données privé et dans le cloud public. Google Cloud propose des outils offrant une visibilité précise sur la façon dont les applications utilisent le processeur et la mémoire.

En comprenant exactement la quantité de "carburant" qu'une application consomme, les équipes peuvent définir des seuils précis à partir desquels l'utilisation temporaire du cloud doit être activée. Si le seuil est trop bas, vous risquez de dépenser de l'argent dans le cloud public alors que ce n'est pas nécessaire. S'il est trop élevé, l'application risque de planter avant l'arrivée des nouvelles ressources. La surveillance unifiée aide les organisations à affiner ces paramètres pour équilibrer les performances et les coûts.

L'équilibrage manuel convient aux petits projets peu fréquents, mais il n'est pas adapté aux applications d'entreprise. Pour gagner en efficacité, les entreprises peuvent implémenter des logiciels et des outils qui orchestrent automatiquement les ressources de cloud computing. Les outils d'automatisation, tels que Terraform ou Deployment Manager de Google Cloud, peuvent vous aider à définir l'infrastructure en tant que code (IaC).

Cela signifie que le système peut provisionner, configurer et gérer les serveurs automatiquement en fonction de la demande en temps réel. Lorsque le pic de trafic retombe, les outils d'automatisation gèrent également le déprovisionnement ou l'arrêt de ces ressources. Cela permet à l'entreprise d'arrêter de payer pour le cloud public dès qu'il n'est plus nécessaire.

Il est essentiel de garder le contrôle pendant un pic d'activité pour gérer la sécurité et le budget. Les organisations ont besoin d'une fonctionnalité de surveillance robuste pour suivre les ressources et s'assurer qu'elles sont correctement provisionnées sans interruption de service.

Les outils de reporting permettent de suivre le coût de l'utilisation temporaire du cloud dans le temps. Ces données sont essentielles pour prédire les budgets futurs. De plus, des règles de sécurité cohérentes doivent s'appliquer aux ressources utilisées lors des pics d'activité. Les outils de surveillance et de reporting peuvent aider à réduire les coûts et à accroître l'efficacité dans le temps en identifiant les tendances et les anomalies dans l'utilisation.