Há diferentes maneiras de conigurar esses picos, dependendo do nível de controle ou automação que uma equipe precisa.

• Bursting manual: acontece quando um administrador adiciona recursos de nuvem pública manualmente. Isso pode ser útil para eventos previsíveis, como o lançamento planejado de um software, em que uma pessoa pode decidir exatamente quando iniciar e interromper a capacidade extra.
• Burst automatizado: esse método usa políticas de software para acionar o burst. Quando o sistema detecta que o uso de recursos atingiu um limite específico, ele pode ativar automaticamente recursos extras na nuvem pública sem intervenção humana.
• Balanceamento de carga distribuído: essa abordagem distribui o tráfego entre as nuvens privada e pública simultaneamente. Ele encaminha as solicitações dos usuários para o local mais próximo ou com mais capacidade disponível no momento.

A implementação do bursting de nuvem exige mais do que apenas dois ambientes de computação: é preciso uma estratégia para lidar com a complexidade da movimentação de dados e aplicativos entre eles. Para fazer isso de maneira eficaz, as organizações precisam de recursos que garantam conectividade perfeita e gerenciamento consistente.

Uma das maneiras mais eficazes de implementar um gatilho de expansão para a nuvem é usar o Google Kubernetes Engine (GKE) e o escalonador automático de pods horizontal (HPA) com métricas externas. Nesse cenário, o aplicativo no local envia um sinal (uma métrica) para o Google Cloud Monitoring. Quando esse sinal cruza um limite, o GKE inicia automaticamente novos pods na nuvem para lidar com a carga.

Veja como configurar um gatilho com base na profundidade da fila do Pub/Sub (um indicador comum de que seus workers no local estão sobrecarregados):

1. Ative a API de métricas personalizadas: primeiro, você precisa permitir que o cluster do GKE leia métricas do Cloud Monitoring. Para fazer isso, você implanta o adaptador de métricas personalizadas do Stackdriver no cluster. Esse adaptador funciona como uma ponte, traduzindo as métricas do Google Cloud em algo que o Kubernetes possa entender.

2. Definir a configuração do HPA: criar um arquivo YAML do HorizontalPodAutoscaler. Ao contrário de um escalonador automático padrão que analisa o uso da CPU, este vai analisar uma métrica externa, especificamente o número de mensagens não entregues em uma assinatura do Pub/Sub (num_undelivered_messages).

3. Aplicar e monitorar: aplique essa configuração usando kubectl apply -f hpa.yaml. Agora o GKE está "monitorando" sua fila. Se o sistema no local ficar mais lento e a fila ultrapassar o limite de 50 mensagens, o HPA vai acionar automaticamente a criação de novos pods na nuvem para processar o backlog. Quando a fila estiver vazia, o GKE vai reduzir o escalonamento dos pods para zero.

Não é possível gerenciar o que não se vê. Para que o estouro de nuvem funcione, as equipes de TI precisam ter uma visão clara dos recursos no data center particular e na nuvem pública. O Google Cloud oferece ferramentas que fornecem visibilidade granular de como os aplicativos usam a CPU e a memória.

Ao entender exatamente quanto "combustível" um aplicativo consome, as equipes podem definir limites precisos para quando fazer o burst. Se o limite for muito baixo, você pode gastar dinheiro na nuvem pública quando não precisa. Se for muito alto, o app pode falhar antes que os novos recursos cheguem. O monitoramento unificado ajuda as organizações a ajustar essas configurações para equilibrar desempenho e custo.

O balanceamento manual funciona para projetos pequenos e pouco frequentes, mas pode não ser escalonável para aplicativos empresariais. Para serem mais eficientes, as organizações podem implementar softwares e ferramentas para orquestrar automaticamente os recursos de computação em nuvem. Ferramentas de automação, como o Terraform ou o Deployment Manager do Google Cloud, podem ajudar a definir a infraestrutura como código (IaC).

Isso significa que o sistema pode provisionar, configurar e gerenciar servidores automaticamente com base na demanda em tempo real. Quando o pico de tráfego diminui, as ferramentas de automação também lidam com o "desprovisionamento" ou desligamento desses recursos. Isso garante que a empresa pare de pagar pela nuvem pública no momento em que ela não for mais necessária.

Manter o controle durante um pico é essencial para a segurança e o gerenciamento do orçamento. As organizações precisam de uma capacidade de monitoramento robusta para rastrear recursos e garantir que eles sejam provisionados adequadamente sem interrupção do serviço.

As ferramentas de geração de relatórios ajudam a monitorar o custo do estouro ao longo do tempo. Esses dados são essenciais para prever orçamentos futuros. Além disso, políticas de segurança consistentes precisam ser aplicadas aos recursos de bursting. As ferramentas que implementam monitoramento e relatórios podem ajudar a reduzir custos e aumentar a eficiência ao longo do tempo, identificando tendências e anomalias no uso.