Luft's Road to Elasticity - भाग 2: Query History के साथ Auto-Scaling

खुद विकसित किए गए डेटाबेस Luft की elasticity बेहतर करने के लिए, query history का उपयोग करने वाला cost-based autoscaler लागू करने का अनुभव साझा किया गया है.

• पिछले काम में Shared Storage architecture पर स्विच किया गया था, लेकिन वास्तविक प्रभाव पाने के लिए एक कुशल autoscaling system की ज़रूरत थी.
• Kubernetes से बाहर निकलकर AWS SDK का उपयोग करने वाले Self-managed cluster तरीके पर स्विच किया गया, और stopped instances को resume करने का तरीका लागू करके scaling time को लगभग 10 सेकंड तक घटा दिया गया.
• CPU/मेमोरी उपयोग जैसे lagging metrics पर निर्भर पारंपरिक autoscaling approach की जगह, query history का उपयोग करने वाला cost prediction model विकसित किया गया.
• query canonicalization के ज़रिए मिलती-जुलती queries की पहचान की गई, और query history का उपयोग कर cost calculate करने वाला cost function लागू किया गया, जिससे सटीक resource prediction संभव हुआ.
• overprovisioning के बिना केवल ज़रूरत पड़ने पर resources allocate करके instance cost में लगभग 40% की कमी लाई गई, और भारी queries को भी संभाल सकने वाला elastic system बनाया गया.