Ringkasan alat penskala otomatis

Halaman ini memperkenalkan alat Autoscaler untuk Spanner (Autoscaler), sebuah alat open source yang dapat Anda gunakan sebagai alat pendamping untuk Spanner. Alat ini memungkinkan Anda otomatis meningkatkan atau mengurangi kapasitas komputasi di satu atau beberapa instance Spanner berdasarkan jumlah kapasitas yang digunakan.

Untuk mengetahui informasi selengkapnya tentang penskalaan di Spanner, lihat Penskalaan otomatis Spanner. Untuk mengetahui informasi tentang cara men-deploy alat Autoscaler, lihat artikel berikut:

• Men-deploy alat Autoscaler per project atau terpusat untuk Spanner
• Men-deploy alat Autoscaler terdistribusi untuk Spanner

Halaman ini menyajikan fitur, arsitektur, konfigurasi, dan topologi deployment Autoscaler. Topik selanjutnya dari rangkaian ini akan memandu Anda mempelajari deployment Autoscaler di setiap topologi yang berbeda.

Autoscaler

Alat Autoscaler berguna untuk mengelola pemanfaatan dan performa deployment Spanner Anda. Untuk membantu Anda menyeimbangkan kontrol biaya dengan kebutuhan performa, alat Autoscaler memantau instance Anda dan secara otomatis menambahkan atau menghapus node atau unit pemrosesan untuk membantu memastikan bahwa instance tersebut tetap berada dalam parameter berikut:

• Jumlah maksimum yang direkomendasikan untuk pemakaian CPU.

• Batas penyimpanan yang direkomendasikan untuk per node

  plus atau minus margin yang dapat dikonfigurasi.

Dengan deployment penskalaan otomatis Spanner, infrastruktur Anda dapat otomatis beradaptasi dan diskalakan untuk memenuhi persyaratan beban dengan sedikit atau tanpa intervensi. Penskalaan otomatis juga mengukur tepat infrastruktur yang disediakan, yang dapat membantu Anda mengurangi biaya.

Arsitektur

Bagian ini menjelaskan komponen Autoscaler dan tujuannya secara lebih mendetail.

Arsitektur alat Autoscaler terdiri dari Cloud Scheduler, dua topik Pub/Sub, dua Cloud Functions, dan Firestore. Cloud Monitoring API digunakan untuk mendapatkan metrik penyimpanan dan pemanfaatan CPU untuk instance Spanner.

Cloud Scheduler

Dengan Cloud Scheduler, Anda dapat menentukan seberapa sering alat Autoscaler memverifikasi nilai minimum metrik penskalaan instance Spanner Anda. Tugas Cloud Scheduler dapat memeriksa satu atau beberapa instance secara bersamaan. Anda dapat menentukan jadwal pekerjaan sebanyak yang Anda butuhkan.

Cloud Function Poller

Poller Cloud Function bertanggung jawab untuk mengumpulkan dan memproses metrik deret waktu untuk satu atau beberapa instance Spanner. Poller melakukan prapemrosesan data metrik untuk setiap instance Spanner sehingga hanya titik data paling relevan yang dievaluasi dan dikirim ke Scaler Cloud Function. Prapemrosesan yang dilakukan oleh Poller Cloud Function juga menyederhanakan proses evaluasi nilai minimum untuk instance Spanner regional dan multi-regional.

Cloud Function Scaler

Cloud Function Scaler mengevaluasi titik data yang diterima dari Poller Cloud Function dan menentukan apakah Anda perlu menyesuaikan jumlah node atau unit pemrosesan dan, jika ya, seberapa banyak. Cloud Function membandingkan nilai metrik dengan nilai minimum, plus atau minus margin yang diizinkan, dan menyesuaikan jumlah node atau unit pemrosesan berdasarkan metode penskalaan yang dikonfigurasi. Untuk detail selengkapnya tentang metode penskalaan, lihat Fitur Autoscaler .

Alur operasional

Bagian ini menjelaskan model operasional alat Autoscaler, seperti yang ditunjukkan dalam diagram arsitektur berikut.

1. Anda dapat menentukan jadwal, waktu, dan frekuensi tugas penskalaan otomatis di Cloud Scheduler.
2. Pada jadwal yang Anda tentukan, Cloud Scheduler akan mengirim pesan yang berisi payload JSON dengan parameter konfigurasi alat Autoscaler untuk satu atau beberapa instance Spanner ke topik Pub/Sub Polling.
3. Saat pesan dipublikasikan ke topik Polling, instance Cloud Function Poller dibuat untuk menangani pesan.
4. Poller Cloud Function membaca payload pesan dan membuat kueri Cloud Monitoring API untuk mengambil metrik pemanfaatan untuk setiap instance Spanner.
5. Untuk setiap instance Spanner yang dienumerasi dalam pesan, fungsi Poller mengirim satu pesan ke topik Scaling Pub/Sub, yang berisi metrik dan parameter konfigurasi yang akan dinilai untuk instance Spanner tertentu.

6. Untuk setiap pesan yang dikirim ke topik Scaler, Cloud Function Scaler melakukan hal berikut:

   1. Membandingkan metrik instance Spanner dengan nilai minimum yang dikonfigurasi, plus atau minus margin yang dapat dikonfigurasi.

   Anda dapat mengonfigurasi margin sendiri, atau menggunakan nilai default. 1. Menentukan apakah instance harus diskalakan. 1. Menghitung jumlah node atau unit pemrosesan yang harus diskalakan instance berdasarkan metode penskalaan yang dipilih.

7. Scaler Cloud Function mengambil waktu saat instance terakhir diskalakan dari Firestore dan membandingkannya dengan waktu saat ini, untuk menentukan apakah peningkatan atau penurunan skala diizinkan berdasarkan periode tunggu.

8. Jika periode tunggu yang dikonfigurasi telah berlalu, Cloud Function Scaler akan mengirim permintaan ke Instance Spanner untuk meningkatkan atau menurunkan skala.

Selama alurnya, alat Autoscaler menulis ringkasan rekomendasi dan tindakannya ke Cloud Logging untuk pelacakan dan audit.

Terlepas dari topologi deployment yang Anda pilih, keseluruhan operasi alat Autoscaler tetap sama.

Fitur penskala otomatis

Bagian ini menjelaskan fitur utama alat Autoscaler.

Mengelola beberapa instance

Alat Autoscaler dapat mengelola sejumlah instance Spanner di beberapa project. Instance multi-regional dan regional juga memiliki batas pemanfaatan berbeda yang digunakan saat melakukan penskalaan. Misalnya, deployment multi-regional diskalakan pada 45% pemakaian CPU prioritas tinggi, sedangkan deployment regional diskalakan pada 65% pemakaian CPU prioritas tinggi, baik plus atau minus margin yang diizinkan. Untuk mengetahui informasi selengkapnya tentang berbagai batas penskalaan, lihat Pemberitahuan untuk penggunaan CPU yang tinggi .

Parameter konfigurasi independen

Setiap instance Spanner yang diskalakan secara otomatis dapat memiliki satu atau beberapa jadwal polling. Setiap jadwal polling memiliki kumpulan parameter konfigurasinya sendiri.

Parameter ini menentukan faktor-faktor berikut:

• Jumlah minimum dan maksimum node atau unit pemrosesan yang mengontrol seberapa kecil atau besar instance Anda, membantu Anda mengontrol biaya.
• Metode penskalaan yang digunakan untuk menyesuaikan instance Spanner khusus untuk beban kerja Anda.
• Periode tunggu untuk memungkinkan Spanner mengelola pembagian data.

Metode penskalaan yang berbeda untuk workload yang berbeda

Alat Autoscaler menyediakan tiga metode penskalaan yang berbeda untuk meningkatkan dan menurunkan penskalaan instance Spanner: bertahap, linear, dan langsung. Setiap metode dirancang untuk mendukung berbagai jenis workload. Anda dapat menerapkan satu atau beberapa metode ke setiap instance Spanner yang diskalakan otomatis saat membuat jadwal polling independen.

Melangkah

Penskalaan stepwise berguna untuk beban kerja yang memiliki sedikit atau beberapa puncak. Solusi ini menyediakan kapasitas untuk melancarkan semuanya dengan satu peristiwa penskalaan otomatis.

Diagram berikut menunjukkan pola beban dengan beberapa dataran tinggi atau langkah beban, dengan setiap langkah memiliki beberapa puncak kecil. Pola ini sangat cocok untuk metode stepwise.

Ketika nilai minimum beban terlampaui, metode ini akan menyediakan dan menghapus node atau unit pemrosesan menggunakan angka tetap yang dapat dikonfigurasi. Misalnya, tiga node ditambahkan atau dihapus untuk setiap tindakan penskalaan. Dengan mengubah konfigurasi, Anda dapat mengizinkan penambahan atau penghapusan kapasitas yang lebih besar kapan saja.

Linear

Penskalaan linear paling baik digunakan dengan pola pemuatan yang berubah secara lebih bertahap atau memiliki beberapa puncak yang besar. Metode ini akan menghitung jumlah minimum node atau unit pemrosesan yang diperlukan agar penggunaan tetap di bawah nilai minimum penskalaan. Jumlah node atau unit pemrosesan yang ditambahkan atau dihapus dalam setiap peristiwa penskalaan tidak dibatasi pada jumlah langkah tetap.

Contoh pola pemuatan pada diagram berikut menunjukkan peningkatan dan penurunan tiba-tiba yang lebih besar. Fluktuasi ini tidak dikelompokkan dalam langkah-langkah yang jelas seperti pada diagram sebelumnya. Pola ini lebih mudah ditangani menggunakan penskalaan linear.

Alat Autoscaler menggunakan rasio pemakaian yang diamati selama batas pemanfaatan untuk menghitung apakah akan menambah atau mengurangi node atau unit pemrosesan dari jumlah total saat ini.

Formula untuk menghitung jumlah node atau unit pemrosesan baru adalah sebagai berikut:

newSize = currentSize * currentUtilization / utilizationThreshold

Langsung

Penskalaan langsung menyediakan peningkatan kapasitas langsung. Metode ini dimaksudkan untuk mendukung beban kerja batch yang mengharuskan jumlah node yang lebih tinggi secara berkala diperlukan secara berkala pada jadwal dengan waktu mulai yang diketahui. Metode ini menskalakan instance hingga jumlah maksimum node atau unit pemrosesan yang ditentukan dalam jadwal, dan dimaksudkan untuk digunakan bersama metode linear atau bertahap.

Diagram berikut menggambarkan peningkatan besar beban yang direncanakan, yang telah disediakan oleh Autoscaler untuk menggunakan metode langsung.

Setelah beban kerja batch selesai dan pemanfaatan kembali ke level normal, bergantung pada konfigurasi Anda, penskalaan linear atau bertahap akan diterapkan untuk menurunkan skala instance secara otomatis.

Metode deployment

Alat Autoscaler dapat di-deploy di setiap project atau bersama instance Spanner yang dikelolanya. Alat Autoscaler dirancang untuk memungkinkan fleksibilitas dan dapat mengakomodasi pemisahan tanggung jawab yang sudah ada antara tim operasi dan aplikasi Anda. Tanggung jawab untuk mengonfigurasi penskalaan otomatis instance Spanner dapat dipusatkan dengan tim operasi tunggal, atau dapat didistribusikan ke tim yang lebih dekat dengan aplikasi yang disalurkan oleh instance Spanner tersebut.

Berbagai model deployment dibahas secara lebih mendetail di Topologi deployment.

Serverless untuk kemudahan deployment dan pengelolaan

Alat Autoscaler hanya dibuat menggunakan alat Google Cloud tanpa server dan pengelolaan rendah, seperti Cloud Functions, Pub/Sub, Cloud Scheduler, dan Firestore. Pendekatan ini meminimalkan biaya dan overhead operasional dalam menjalankan alat Autoscaler.

Dengan menggunakan alat Google Cloud bawaan, alat Autoscaler dapat memanfaatkan IAM (IAM) untuk autentikasi dan otorisasi sepenuhnya.

Konfigurasi

Alat Autoscaler memiliki berbagai opsi konfigurasi yang dapat Anda gunakan untuk mengelola penskalaan deployment Spanner. Bagian selanjutnya menjelaskan opsi konfigurasi dasar dan opsi konfigurasi lanjutan lainnya.

Konfigurasi dasar

Alat Autoscaler mengelola instance Spanner melalui konfigurasi yang ditentukan di Cloud Scheduler. Jika beberapa instance Spanner perlu di-polling dengan interval yang sama, sebaiknya konfigurasikan dalam tugas Cloud Scheduler yang sama. Konfigurasi setiap instance direpresentasikan sebagai objek JSON. Berikut adalah contoh konfigurasi dengan dua instance Spanner dikelola dengan satu tugas Cloud Scheduler:

   [
    {
        "projectId": "my-spanner-project", "instanceId": "spanner1",
        "scalerPubSubTopic": "projects/my-spanner-project/topics/spanner-scaling",
        "units": "NODES", "minSize": 1, "maxSize": 3
     },
     {
        "projectId":
        "different-project", "instanceId": "another-spanner1", "scalerPubSubTopic":
        "projects/my-spanner-project/topics/spanner-scaling", "units":
        "PROCESSING_UNITS", "minSize": 500, "maxSize": 3000, "scalingMethod": "DIRECT"
    }
   ]

Instance Spanner dapat memiliki beberapa konfigurasi di berbagai tugas Cloud Scheduler. Misalnya, sebuah instance dapat memiliki satu konfigurasi Autoscaler dengan metode linear untuk operasi normal, tetapi juga memiliki konfigurasi Autoscaler lain dengan metode langsung untuk workload batch yang direncanakan.

Saat berjalan, tugas Cloud Scheduler akan mengirimkan pesan Pub/Sub ke topik Pub/Sub Polling. Payload pesan ini adalah array JSON dari objek konfigurasi untuk semua instance yang dikonfigurasi dalam tugas yang sama. Lihat daftar lengkap opsi konfigurasi dalam file README Poller.

Konfigurasi lanjutan

Alat Autoscaler memiliki opsi konfigurasi lanjutan yang memungkinkan Anda mengontrol waktu dan cara instance Spanner dikelola dengan lebih baik. Bagian berikut memperkenalkan pilihan kontrol ini.

Nilai minimum kustom

Alat Autoscaler menentukan jumlah node atau unit pemrosesan yang akan ditambahkan atau dikurangi ke instance menggunakan batas Spanner yang direkomendasikan untuk metrik pemuatan berikut:

• CPU dengan prioritas tinggi
• CPU rata-rata penggiliran 24 jam
• Pemanfaatan penyimpanan

Sebaiknya gunakan nilai minimum default seperti yang dijelaskan dalam Membuat pemberitahuan untuk metrik Spanner. Namun, dalam beberapa kasus, Anda mungkin ingin mengubah nilai minimum yang digunakan oleh alat Autoscaler. Misalnya, Anda dapat menggunakan nilai minimum yang lebih rendah untuk membuat alat Autoscaler bereaksi lebih cepat daripada nilai minimum yang lebih tinggi. Modifikasi ini membantu mencegah pemberitahuan dipicu pada batas yang lebih tinggi.

Metrik kustom

Meskipun metrik default dalam alat Autoscaler menangani sebagian besar skenario performa dan penskalaan, ada beberapa kasus saat Anda mungkin perlu menentukan metrik Anda sendiri yang digunakan untuk menentukan kapan harus melakukan penskalaan. Untuk skenario ini, Anda menentukan metrik kustom dalam konfigurasi menggunakan properti metrics.

Margin

Margin menentukan batas atas dan bawah di sekitar nilai minimum. Alat Autoscaler hanya memicu peristiwa penskalaan otomatis jika nilai metrik lebih dari batas atas atau kurang dari batas bawah.

Tujuan parameter ini adalah untuk menghindari peristiwa penskalaan otomatis yang dipicu untuk fluktuasi workload kecil di sekitar batas, sehingga mengurangi jumlah fluktuasi tindakan Autoscaler. Nilai minimum dan margin bersama-sama menentukan rentang berikut, berdasarkan nilai metrik yang Anda inginkan:

[threshold - margin, threshold + margin]

. Makin kecil margin, makin sempit rentangnya, sehingga makin tinggi kemungkinan peristiwa penskalaan otomatis dipicu.

Menentukan parameter margin untuk metrik bersifat opsional, dan secara default ditetapkan ke lima titik persentase baik sebelum maupun di bawah parameter.

Topologi deployment

Untuk men-deploy alat Autoscaler, tentukan topologi mana yang paling cocok untuk memenuhi kebutuhan teknis dan operasional Anda:

• Topologi per project: Infrastruktur Autoscaler di-deploy dalam project yang sama dengan Spanner yang perlu diskalakan otomatis.
• Topologi terpusat: Alat Autoscaler di-deploy dalam satu project dan mengelola satu atau beberapa instance Spanner di berbagai project.
• Topologi terdistribusi:: Sebagian besar infrastruktur Autoscaler di-deploy dalam satu project, tetapi beberapa komponen infrastruktur di-deploy dengan instance Spanner di-deploy secara otomatis dalam project yang berbeda.

Topologi per project

Dalam deployment topologi per project, setiap project dengan instance Spanner yang perlu diskalakan otomatis juga memiliki deployment komponen Autoscaler yang independen. Kami merekomendasikan topologi ini untuk tim independen yang ingin mengelola konfigurasi dan infrastruktur Autoscaler mereka sendiri. Ini juga merupakan titik awal yang baik untuk menguji kemampuan alat Autoscaler.

Diagram berikut menunjukkan tampilan konseptual tingkat tinggi dari deployment per project.

Deployment per project yang digambarkan dalam diagram sebelumnya memiliki karakteristik berikut:

• Dua aplikasi, Aplikasi 1 dan Aplikasi 2, masing-masing menggunakan instance Spanner-nya sendiri.
• Instance Spanner (A) ada di project Aplikasi 1 dan Aplikasi 2 masing-masing.
• Autoscaler (B) independen di-deploy ke setiap project untuk mengontrol penskalaan otomatis instance dalam suatu project.

Untuk diagram deployment per project yang lebih mendetail, lihat bagian Arsitektur.

Deployment per project memiliki kelebihan dan kekurangan berikut.

Kelebihan:

• Desain paling sederhana: Topologi per project adalah desain paling sederhana dari tiga topologi tersebut karena semua komponen Autoscaler di-deploy bersama instance Spanner yang sedang diskalakan otomatis.
• Konfigurasi: Kontrol atas parameter penjadwal adalah milik tim yang memiliki instance Spanner, yang memberi tim lebih banyak kebebasan untuk menyesuaikan alat Autoscaler dengan kebutuhannya daripada topologi terpusat atau terdistribusi.
• Batasan tanggung jawab infrastruktur yang jelas: Desain topologi per project menetapkan batas yang jelas antara tanggung jawab dan keamanan pada infrastruktur Autoscaler karena pemilik tim instance Spanner juga merupakan pemilik infrastruktur Autoscaler.

Kekurangan:

• Pemeliharaan keseluruhan yang lebih banyak: Setiap tim bertanggung jawab atas konfigurasi dan infrastruktur Autoscaler, sehingga akan sulit untuk memastikan bahwa semua alat Autoscaler di seluruh perusahaan mengikuti panduan update yang sama.
• Audit yang lebih kompleks: Karena setiap tim memiliki tingkat kontrol yang tinggi, audit terpusat dapat menjadi lebih kompleks.

Untuk mempelajari cara menyiapkan Autoscaler menggunakan topologi per project, lihat Men-deploy alat Autoscaler per project atau terpusat untuk Spanner.

Topologi terpusat

Seperti dalam topologi per project, dalam deployment topologi terpusat, semua komponen alat Autoscaler berada dalam project yang sama. Namun, instance Spanner berada di project yang berbeda. Deployment ini cocok untuk tim yang mengelola konfigurasi dan infrastruktur beberapa instance Spanner dari satu deployment alat Autoscaler di satu tempat.

Diagram berikut menunjukkan tampilan konseptual tingkat tinggi dari deployment project terpusat:

Deployment terpusat yang ditampilkan dalam diagram sebelumnya memiliki karakteristik berikut:

• Dua aplikasi, Aplikasi 1 dan Aplikasi 2, masing-masing menggunakan instance Spanner-nya sendiri.
• Instance Spanner (A) berada di project Aplikasi 1 dan Aplikasi 2 masing-masing.
• Autoscaler (B) di-deploy ke project terpisah untuk mengontrol penskalaan otomatis instance Spanner di project Aplikasi 1 dan Aplikasi 2.

Untuk diagram deployment project terpusat yang lebih mendetail, lihat Men-deploy alat Autoscaler per project atau terpusat untuk Spanner.

Deployment terpusat memiliki kelebihan dan kekurangan sebagai berikut.

Kelebihan:

• Konfigurasi dan infrastruktur terpusat: Satu tim mengontrol parameter penjadwal dan infrastruktur Autoscaler. Pendekatan ini dapat berguna dalam industri yang diatur dengan ketat.
• Pemeliharaan keseluruhan yang lebih sedikit: Pemeliharaan dan penyiapan biasanya memerlukan lebih sedikit upaya pemeliharaan dibandingkan dengan deployment per project.
• Kebijakan dan audit terpusat: Praktik terbaik di seluruh tim mungkin lebih mudah untuk ditentukan dan diterapkan. Audit mungkin akan lebih mudah dilakukan.

Kekurangan:

• Konfigurasi terpusat: Setiap perubahan pada parameter Autoscaler harus dilewati ke tim terpusat, meskipun tim yang meminta perubahan memiliki instance Spanner.
• Berpotensi menimbulkan risiko tambahan: Tim terpusat itu sendiri dapat menjadi satu titik kegagalan meskipun infrastruktur Autoscaler dirancang dengan mempertimbangkan ketersediaan tinggi.

Untuk tutorial langkah demi langkah menyiapkan alat Autoscaler menggunakan opsi ini, lihat Men-deploy alat Autoscaler per project atau terpusat untuk Spanner.

Topologi terdistribusi

Dalam deployment topologi terdistribusi, instance Cloud Scheduler dan Spanner yang perlu diskalakan secara otomatis berada di project yang sama. Komponen lainnya dari alat Autoscaler berada dalam project yang dikelola secara terpusat. Deployment ini adalah deployment hybrid. Tim yang memiliki instance Spanner hanya mengelola parameter konfigurasi Autoscaler untuk instance-nya, dan tim pusat mengelola infrastruktur Autoscaler yang tersisa.

Diagram berikut menunjukkan tampilan konseptual tingkat tinggi dari deployment project terdistribusi.

Deployment hybrid yang digambarkan dalam diagram sebelumnya memiliki karakteristik berikut:

• Dua aplikasi, Aplikasi 1 dan Aplikasi 2, menggunakan instance Spanner-nya sendiri.
• Instance Spanner (A) ada di project Aplikasi 1 dan Aplikasi 2.
• Komponen Cloud Scheduler (C) independen di-deploy ke setiap project: Aplikasi 1 dan Aplikasi 2.
• Komponen Autoscaler yang tersisa (B) di-deploy ke project terpisah.
• Alat Autoscaler menskalakan otomatis instance Spanner di project Aplikasi 1 dan Aplikasi 2 menggunakan konfigurasi yang dikirim oleh komponen Cloud Scheduler independen di setiap project.

Untuk diagram deployment project terpusat yang lebih mendetail, lihat Men-deploy alat Autoscaler terdistribusi untuk Spanner.

Deployment terdistribusi memiliki kelebihan dan kekurangan berikut.

Kelebihan:

• Tim aplikasi mengontrol konfigurasi dan jadwal: Cloud Scheduler di-deploy bersama instance Spanner yang sedang diskalakan otomatis, sehingga tim aplikasi memiliki kontrol yang lebih besar atas konfigurasi dan penjadwalan.
• Tim operasi mengontrol infrastruktur: Komponen inti alat Autoscaler di-deploy secara terpusat, sehingga tim operasi dapat mengontrol infrastruktur Autoscaler.
• Pemeliharaan terpusat: Infrastruktur scaler bersifat terpusat, sehingga mengurangi overhead.

Kekurangan:

• Konfigurasi yang lebih kompleks: Tim aplikasi harus menyediakan akun layanan untuk menulis ke topik polling.
• Berpotensi menimbulkan risiko tambahan: Infrastruktur bersama dapat menjadi titik tunggal kegagalan, meskipun infrastruktur dirancang dengan mempertimbangkan ketersediaan tinggi.

Untuk mempelajari cara menyiapkan alat Autoscaler dalam deployment terdistribusi, lihat Men-deploy alat Autoscaler terdistribusi untuk Spanner.

Pembagian data

Spanner menetapkan rentang data yang disebut dibagi ke node atau subdivisi node yang disebut unit pemrosesan. Node atau unit pemrosesan secara independen mengelola dan menyalurkan data dalam bagian yang dibagi. Pembagian data dibuat berdasarkan beberapa faktor, termasuk volume data dan pola akses. Untuk mengetahui detail selengkapnya, lihat Spanner - model data dan skema .

Catatan: Spanner akan menagih Anda setiap jam untuk jumlah maksimum node atau unit pemrosesan yang ada selama jam tersebut, dikalikan dengan tarif per jam. Oleh karena itu, setiap node atau unit pemrosesan yang Anda sediakan akan dikenai biaya selama minimal satu jam. Sebaiknya jangan optimalkan konfigurasi Autoscaler untuk penskalaan intra-jam. Untuk mengetahui informasi selengkapnya, lihat Ringkasan harga Spanner .

Data diatur menjadi bagian-bagian dan Spanner secara otomatis mengelola pemisahan tersebut. Jadi, saat alat Autoscaler menambahkan atau menghapus node atau unit pemrosesan, alat ini perlu memberikan waktu yang cukup ke backend Spanner untuk menetapkan ulang dan mengatur ulang pemisahan saat kapasitas baru ditambahkan atau dihapus dari instance.

Alat Autoscaler menggunakan periode tunggu pada peristiwa peningkatan skala dan penurunan skala untuk mengontrol seberapa cepat dapat menambahkan atau menghapus node atau unit pemrosesan dari instance. Metode ini memberi instance waktu yang diperlukan untuk mengatur ulang hubungan antara catatan komputasi atau unit pemrosesan dan pemisahan data. Secara default, periode tunggu peningkatan skala dan penurunan skala ditetapkan ke nilai minimum berikut:

• Nilai peningkatan skala: 5 menit
• Nilai penurunan skala: 30 menit

Untuk mengetahui informasi selengkapnya tentang rekomendasi penskalaan dan periode tunggu, lihat Menskalakan Instance Spanner.

Biaya

Konsumsi resource alat Autoscaler minimal, sehingga untuk sebagian besar kasus penggunaan, biaya dapat diabaikan. Tidak ada biaya jika Autoscaler digunakan di Google Cloud. Misalnya, menjalankan alat Autoscaler untuk mengelola 3 instance Spanner dengan interval polling 5 menit untuk setiap instance tersedia tanpa biaya. Estimasi ini mencakup hal berikut:

• 3 Tugas Cloud Scheduler
• Pesan Pub/Sub sebesar 0,15 GB
• 51840 Panggilan Cloud Function 500 md
• Data di Firestore kurang dari 10 MB

Estimasi tersebut tidak mencakup biaya operasi database Spanner. Gunakan Kalkulator Harga untuk membuat perkiraan biaya berdasarkan penggunaan yang diproyeksikan.

Langkah selanjutnya

• Pelajari cara men-deploy alat Autoscaler dalam topologi per project atau terpusat.
• Pelajari cara men-deploy alat Autoscaler dalam topologi terdistribusi.
• Baca selengkapnya tentang nilai minimum yang direkomendasikan Spanner
• Baca selengkapnya tentang metrik pemanfaatan CPU dan metrik latensi Spanner
• Pelajari praktik terbaik untuk desain skema Spanner guna menghindari hotspot dan untuk memuat data ke Spanner.
• Pelajari arsitektur referensi, diagram, dan praktik terbaik tentang Google Cloud. Lihat Cloud Architecture Center kami.