Modèles de charge de calcul

Si le trafic vers une ressource cloud telle qu’une machine virtuelle (ou un ensemble de machines virtuelles) ou une application web était constant et inchangé, il n’y aurait aucune nécessité de mise à l’échelle. Un administrateur de cloud pourrait tout simplement provisionner le nombre d’instances nécessaires pour gérer la charge. Toutefois, les modèles de trafic changent au fil du temps , parfois de façon prévisible, et parfois pas. Dans le monde réel, un administrateur doit diagnostiquer la charge sur les ressources qu’il gère et utiliser la mise à l’échelle pour s’assurer que le système peut suivre la demande.

Avant de discuter de la mise à l’échelle, nous allons expliquer pourquoi nous mettons à l’échelle en décomposant certains des modèles de charge courants que les machines virtuelles et d’autres ressources cloud connaissent.

Croissance continue

L’une des raisons les plus courantes qui imposent une mise à l’échelle est la croissance continue de la demande. La figure 1 montre le trafic vers le site web d’une société sur une période de 24 mois. L’entreprise connaît une croissance rapide, ce que reflète le trafic vers son site web. Si nous partons du principe qu’un serveur web peut traiter 5 000 requêtes par unité de temps, l’entreprise commence avec peut-être trois ou quatre serveurs web, mais il lui en faut environ 20 deux ans plus tard pour répondre à la demande grandissante et continuer à servir ses clients.

Figure 1 : Croissance cohérente.

La croissance continue compte parmi les modèles de charge les plus simples à compenser, car le changement est stable et progressif. Nous pourrions probablement effectuer une mise à l’échelle à l’aide de serveurs physiques, car nous pouvons prévoir le moment où le serveur (ou ensemble de serveurs) suivant sera nécessaire et nous aurons des semaines, voire des mois, pour nous préparer, mais le cloud computing nous permet de mettre en ligne de nouveaux serveurs virtuels en quelques minutes. Et bien que la tendance sur 24 mois montre une croissance stable et prévisible, les charges peuvent fluctuer considérablement dans des délais plus courts. Le cloud computing s’adapte bien mieux aux micro-tendances que la mise à l’échelle avec des serveurs physiques.

Fluctuations constantes des charges

L’élasticité rapide offerte par le cloud computing est essentielle quand les charges fluctuent de façon imprévisible sur des périodes relativement courtes. La figure 2 illustre la charge sur un site web sur une période de 24 heures. En supposant qu’un serveur puisse gérer 5 000 requêtes par unité de temps, le nombre de serveurs nécessaires varie de deux à 16 au cours de la journée. Nous pourrions prendre en charge ce trafic en maintenant 16 serveurs web virtuels en ligne à tout moment, mais rappelez-vous que les fournisseurs de services cloud facturent les machines virtuelles même quand elles sont inactives. La capacité excédentaire entraînerait non seulement un gaspillage d’énergie, mais elle doublerait également les coûts.

Figure 2 : Charge fluctuante constante.

Charges cycliques

La figure 3 illustre une charge qui augmente et diminue selon un modèle normal et quelque peu prévisible, par exemple la demande augmente durant les heures de travail et redescend durant la soirée et la nuit. À son pic, cette charge nécessite environ 20 serveurs pour gérer la demande, en supposant toujours que 5 000 requêtes soient traitées par unité de temps par serveur. Cela n’est pas raisonnable de démarrer et d’arrêter les serveurs physiques 24 heures sur 24 en fonction des besoins, mais les serveurs virtuels peuvent facilement être provisionnés et déprovisionnés d’après un planning afin de s’assurer que la capacité de serveur soit à peu près égale à la demande. Les serveurs physiques inactifs ou utilisés seulement 12 heures par jour représentent une capacité excédentaire indésirable et une consommation d’énergie inutile. Les serveurs virtuels ont également un coût, mais ils peuvent être déprovisionnés quand ils ne sont pas nécessaires et recréés rapidement quand la demande l’exige.

Figure 3 : Charge cyclique qui se répète toutes les 24 heures.

augmentations imprévisibles

L’un des modèles les plus difficiles à gérer du point de vue du coût et de la maintenance est celui qui entraîne des augmentations imprévisibles (figure 4). Si les pics sont prévisibles (par exemple si le site web concerne un service de livraison de pizza qui subit des charges plus élevées les week-ends et les jours fériés), la capacité supplémentaire peut être planifiée. En revanche, s’ils ne sont pas prévisibles, nous devons être prêts à les gérer à tout moment.

Figure 4 : augmentations imprévisibles.

Nous pouvons considérer l’excès de coût (le coût des serveurs provisionnés pour gérer les pics de charge, mais qui sont relativement inactifs pendant les périodes de faible trafic) comme la zone située entre le haut de la courbe et une ligne horizontale dessinée sur le point le plus élevé. Dans ce cas, le coût lié à la capacité nécessaire pour traiter 100 000 requêtes par unité de temps pour la charge de la figure 4 est nettement plus élevé que le coût de la capacité équivalente sur la figure 3.

Si nous pouvons anticiper l’ampleur des pics de demande (pas nécessairement le moment où ils se produisent) et que le coût n’a pas d’importance, nous pouvons fournir une capacité adéquate à tout moment en provisionnant suffisamment de serveurs pour gérer les charges les plus élevées. Le cloud computing nous permet de mettre des ressources en ligne quand elles sont nécessaires, et de les mettre hors ligne (et donc de suspendre les frais qui y sont liés) quand elles ne le sont pas. L’élasticité est mise en œuvre par la mise à l’échelle des ressources en nuage. Examinons plus en détail le concept de mise à l’échelle, et voyons pourquoi il s’agit d’un facteur clé dans l’économie du cloud computing.