什么是混合EC2集群,以及如何创建一个

AWS继续快速增长以其神奇的功能和规模;然而,其成本仍然是当今企业采用的主要挑战之一。特别是,当处理EC2,存在多个期权定价的大小、容量和定价模型。AWS提供了从口味倍数选择实例的选项(例如,T2, C3, M4,等等),与多个采购按需选择,保留和现货。的一个重要方法来应对这些成本和不断优化足迹与混合集群组成的混合不同的购买选项。

利用现货实例可以提供90%储蓄相比,价格根据亚马逊随需应变的实例。类型的实例,您将看到该地区最好的储蓄高度依赖。正如您将在下面看到,c1。中两个ap-southeast地区潜力更大的储蓄和其他地方。

然而,随需应变之间的选择,保留和现货仍然不是一个简单的任务,包括理解对工作负载的影响可用性。例如,当创建一个混合点播/现货集群需要考虑平衡方法和故障转移机制来确保服务时间和性能。

混合集群的挑战

虽然使用混合云计算集群可以创建伟大的成本效益,他们带来的复杂性和挑战。

“恐惧的地方是由资源不稳定。每当现货价格高于投标价格,现货实例将被终止。确保现场实例的可用性,用户需要继续提高收购价格根据现货价格。这可能导致一个用户支付比随需应变为现货实例实例。此外,现货价格不同的地区;没有容易的能力来选择最好的价格最好的区域在任何时候。这些现货价格功能创建的复杂性和不确定性,使得用户不愿意考虑现货资源,从而失去一个很好的方法来创建更大的效率。

复杂性增加时需要决定在哪里“把针”在随需应变,现货,保留的实例。所有三个选项提供价值,但详细的连续比较和智能和自动决策过程需要选择哪个选项或组合的选择是最好的在任何时候的时间。

三种方法可以减少复杂性

1。使用自动伸缩组

在本例中,我们使用两个伸缩组——一个用于按需,另一个用于现货实例。这些伸缩组可以被附加到同一个ELB。自从ELB分发请求循环的方式,有两个伸缩组织确保请求得到服务按需或现货实例。每个伸缩集团有两套政策:增加和减少组的大小。的政策是基于cpu利用率,也创造了监测警报。两组横向扩展(进/出)基于阈值集。

例如,我们增加了按需组大小的CPU利用率70%,和20%,当我们需要减少组的大小。此外,我们组设置伸缩位置增加80%,减少30%的CPU利用率。所以,每当发生扩展,它将现货伸缩集团提高导致优先级较低的阈值(70%)。如果没有现货实例可用,按需集团将相应扩大。同样,只要降低活动发生,现场伸缩集团将被选中。

2。结构化的投标过程

以下步骤说明一个解决方案。在这种情况下,我们举例说明一个动态混合集群组成的随需应变和现货实例。请注意,这只是一个原型,应该调整和自动根据自己的云部署的要求。

1. 在这个场景的第一步,我们确定可用性区域和可用性区域的现货价格通过解析“ec2-describe-spot-price-history”的输出。

2. 接下来,我们选择最大的现货价格通过执行“ec2-describe-spot-price-history”命令。

3. 然后我们将定义我们的投标价格通过定义bid_price = spot_price + spot_price % 20。举个例子,如果现货价格是0.010美元,那么投标价格将是0.012美元。

4. 现在使用投标价格,我们创建一个现货伸缩组并附上ELB点# 1中描述(如上图)。
5. 执行“ec2-describe-spot-price-history”命令的原因一直是保持我们最大的现货价格。基于最大的现货价格,我们检查几件事:

1. 1. 如果bid_price之间的差异和spot_price小于20%(例如,如果我们的最大spot_price是0.011美元,bid_price 0.012美元),然后我们将定义一个新的bid_price (bid_price = 0.011 + 0.011% 20美元)和更新的伸缩集团新的投标价格。
   2. 如果on_demand_price和最大spot_price之间的差异小于20%(例如,on_demand价格是0.014美元,spot_price 0.013美元),我们立即缩减50%的spot实例和扩大50%的随需应变的实例。
   3. 是on_demand_price和最大spot_price之间的差异缩小,让说的是不到10%,我们立即缩减75%的spot实例和自旋相同数量的随需应变的实例。
   4. 如果需求价格大于bid_price,我们设置伸缩的min_size组为0。这确保了所有实例上运行的需求,我们不支付更多的现货实例。

3所示。使用Amazon现货舰队

通过创建地方舰队为Spot实例,我们可以添加多个发射规范实例类型,ami、可用性区域或子网可以不同。基于发布规范,地方舰队选择现货实例池。这个过程降低了现货价格突然增加的风险多样化满足请求的分配策略同样在多个地方舰队。

最后请注意

在使用混合集群在AWS上创造价值的成本优化,仍然没有直接的方法来自动化业务。可以使用自己的脚本通过考虑资源的使用随着时间的推移,和通过开发智能方法将花费你愿意支付之间的针和环境或特定工雷竞技rabet官网作负载正常运行时间的要求。

在Spotinst,我们已经开发了一个创新的解决方案为亚马逊客户投标未使用的能力。使用先进的机器学习,我们独特的预测算法选择最有效的亚马逊的EC2实例选择客户,确保可靠性和稳定性,同时节省了客户75%的平均云运营成本。Spotinst平台自动切换服务器能力并提供云能力没有中断。