Esistono diversi modi per impostare questi burst a seconda del livello di controllo o automazione di cui ha bisogno un team.

• Bursting manuale: si verifica quando un amministratore aggiunge manualmente risorse cloud pubbliche. Questo può essere utile per eventi prevedibili, come il lancio di un software pianificato, in cui una persona può decidere esattamente quando avviare e interrompere la capacità extra.
• Bursting automatizzato: questo metodo utilizza policy software per attivare il burst. Quando il sistema rileva che l'utilizzo delle risorse ha raggiunto un limite specifico, può avviare automaticamente risorse aggiuntive nel cloud pubblico senza intervento umano.
• Bilanciamento del carico distribuito: questo approccio distribuisce il traffico sia sul cloud privato che su quello pubblico contemporaneamente. Instrada le richieste degli utenti verso la località più vicina o con la maggiore capacità disponibile in quel momento.

L'implementazione del cloud bursting richiede più di due ambienti di computing; richiede una strategia per gestire la complessità dello spostamento di dati e applicazioni tra di essi. Per farlo in modo efficace, le organizzazioni hanno bisogno di funzionalità che garantiscano una connettività perfetta e una gestione coerente.

Uno dei modi più efficaci per implementare un trigger di cloud bursting è utilizzare Google Kubernetes Engine (GKE) e Horizontal Pod Autoscaler (HPA) con metriche esterne. In questo scenario, l'applicazione on-premise invia un segnale (una metrica) a Google Cloud Monitoring. Quando questo segnale supera una soglia, GKE avvia automaticamente nuovi pod nel cloud per gestire il carico.

Ecco come puoi configurare un trigger basato sulla profondità della coda Pub/Sub (un indicatore comune del fatto che i tuoi worker on-premise sono sovraccarichi):

1. Abilita l'API delle metriche personalizzate: per prima cosa, devi consentire al tuo cluster GKE di leggere le metriche da Cloud Monitoring. A tale scopo, devi eseguire il deployment dell'adattatore Stackdriver delle metriche personalizzate nel tuo cluster. Questo adattatore funge da ponte, traducendo le metriche di Google Cloud in qualcosa che Kubernetes può comprendere.

2. Definisci la configurazione HPA: crea un file YAML HorizontalPodAutoscaler. A differenza di un gestore della scalabilità automatica standard che esamina l'utilizzo della CPU, questo esaminerà una metrica esterna, in particolare il numero di messaggi non consegnati in una sottoscrizione Pub/Sub (num_undelivered_messages).

3. Applica e monitora: applica questa configurazione utilizzando kubectl apply -f hpa.yaml. Ora GKE "monitora" la tua coda. Se il sistema on-premise rallenta e la coda si riempie oltre il target (50 messaggi), l'HPA attiverà automaticamente la creazione di nuovi pod nel cloud per elaborare il backlog. Una volta che la coda è vuota, GKE ridimensionerà i pod fino a zero.

Non si può gestire ciò che non si può misurare. Per far funzionare il cloud bursting, i team IT hanno bisogno di una visione chiara delle proprie risorse sia nel data center privato che nel cloud pubblico. Google Cloud offre strumenti che forniscono una visibilità granulare su come le applicazioni utilizzano CPU e memoria.

Comprendendo esattamente quanto "carburante" consuma un'applicazione, i team possono impostare soglie accurate per il momento in cui eseguire il burst. Se la soglia è troppo bassa, potresti spendere denaro per il cloud pubblico quando non è necessario. Se è troppo alto, l'app potrebbe bloccarsi prima che arrivino le nuove risorse. Il monitoraggio unificato aiuta le organizzazioni a ottimizzare queste impostazioni per bilanciare prestazioni e costi.

Il bilanciamento manuale funziona per progetti piccoli e poco frequenti, ma potrebbe non essere scalabile per le applicazioni aziendali. Per essere più efficienti, le organizzazioni possono implementare software e strumenti per orchestrare automaticamente le risorse di cloud computing. Gli strumenti di automazione, come Terraform o Deployment Manager di Google Cloud, possono aiutare a definire l'infrastruttura come codice (IaC).

Ciò significa che il sistema può eseguire il provisioning, la configurazione e la gestione dei server in modo automatico in base alla domanda in tempo reale. Quando il picco di traffico si attenua, gli strumenti di automazione gestiscono anche il "deprovisioning", ovvero la chiusura di queste risorse. Ciò garantisce che l'azienda smetta di pagare per il cloud pubblico nel momento in cui non è più necessario.

Mantenere il controllo durante un picco è fondamentale per la sicurezza e la gestione del budget. Le organizzazioni hanno bisogno di solide funzionalità di monitoraggio per tenere traccia delle risorse e assicurarsi che siano correttamente sottoposte a provisioning senza interruzioni del servizio.

Gli strumenti di generazione di report aiutano a monitorare i costi di bursting nel tempo. Questi dati sono essenziali per prevedere i budget futuri. Inoltre, alle risorse di burst devono essere applicate policy di sicurezza coerenti. Gli strumenti che implementano il monitoraggio e la creazione di report possono contribuire a ridurre i costi e aumentare l'efficienza nel tempo identificando tendenze e anomalie nell'utilizzo.