Mise à l’échelle automatique pour Azure Cosmos DB for MongoDB vCore (préversion publique)
S’APPLIQUE À : 
MongoDB vCore
La gestion de bases de données avec des charges de travail fluctuantes peut être complexe et coûteuse, en particulier lorsque des pics de trafic imprévisibles nécessitent un surapprovisionnement des ressources. Pour relever ce défi, Azure Cosmos DB for MongoDB introduit la mise à l’échelle automatique pour ses clusters vCore. La mise à l’échelle automatique est conçue pour gérer les charges de travail variables en ajustant dynamiquement la capacité en temps réel, ce qui se traduit par un scale-up ou un scale-down en fonction des demandes des applications.
Contrairement à d’autres solutions MongoDB managées qui connaissent souvent des retards de plusieurs heures lors d’un scale-up et de plus de 24 heures lors d’un scale-down, la mise à l’échelle automatique d’Azure Cosmos DB offre une scalabilité instantanée. Cette fonctionnalité garantit que votre base de données s’adapte immédiatement aux charges de travail fluctuantes, ce qui permet d’éliminer les goulots d’étranglement des performances et d’éviter des coûts inutiles.
Démarrage
Consultez ce document pour créer un cluster Azure Cosmos DB for MongoDB (vCore) et cochez la case « Niveau de mise à l’échelle automatique M200 (préversion) ». Vous pouvez également utiliser le modèle Bicep pour approvisionner la ressource.
Avantages
Mise à l’échelle instantanée
- Ajuste automatiquement la capacité sans temps d’arrêt, préservant ainsi les performances lors de pics de charge de travail inattendus.
- Élimine la nécessité d’une mise à l’échelle manuelle, ce qui réduit le risque d’interruption du service.
Rentabilité
- Réduit les dépenses en évitant le surapprovisionnement et en n’utilisant les ressources que lorsque cela est nécessaire.
- La tarification avec paiement à l’utilisation garantit que votre facture reflète votre utilisation réelle, optimisant ainsi l’utilisation des ressources.
Tarification prévisible
- La tarification basée sur les cœurs avec des calculs de coûts transparents facilite la budgétisation et les prévisions.
- Le modèle de tarification flexible s’adapte aux demandes des charges de travail, ce qui permet d’éviter les pics de coûts inattendus.
Modèle de tarification
Par souci de simplicité, nous avons mis en place un modèle de tarification basé sur les cœurs qui stipule que les frais sont basés sur l’utilisation la plus élevée du processeur ou de la mémoire allouée au cours de la dernière heure, par rapport à un seuil d’utilisation de 35 %.
- Jusqu’à 35 % d’utilisation : le prix minimum s’applique.
- Au-delà de 35 % d’utilisation : le prix maximum s’applique.
- Les clusters avec mise à l’échelle automatique entraînent un supplément de 50 % par rapport au niveau de base en raison de leurs capacités de mise à l’échelle instantanée.
- Périodicité de facturation : les coûts sont calculés et facturés à l’heure, ce qui garantit que vous ne payez que pour la capacité que vous utilisez.
Exemple :
Dans un scénario où une application connaît des pics d’utilisation pendant 10 % de son temps d’exécution :
- Sans mise à l’échelle automatique : un cluster M200 surapprovisionné coûterait 1 185,24 $.
- Avec mise à l’échelle automatique : un cluster avec mise à l’échelle automatique M200 coûterait 968,41 $, soit une économie de 18,29 %.
Ce modèle de tarification flexible permet de réduire les coûts tout en maintenant des performances optimales pendant les pics de demande.
Restrictions
- Actuellement, seul le niveau de mise à l’échelle automatique M200 est pris en charge, ce qui permet une mise à l’échelle entre les niveaux M80 et M200.
- La mise à l’échelle automatique s’applique uniquement aux ressources de calcul. La capacité de stockage doit toujours être mise à l’échelle manuellement.
- Les changements de niveau entre le niveau Général et le niveau Mise à l’échelle automatique ne sont pas pris en charge pour l’instant.
Forum Aux Questions (FAQ)
- Quels sont les clusters qui prennent en charge la mise à l’échelle automatique ?
Actuellement, la mise à l’échelle automatique n’est disponible que pour le niveau M200, avec des capacités de mise à l’échelle de M80 à M200.
- La mise à l’échelle automatique gère-t-elle la mise à l’échelle du calcul et du stockage ?
Non, la mise à l’échelle automatique gère uniquement les ressources de calcul. Le stockage doit être mis à l’échelle manuellement.
- Puis-je basculer entre le niveau Général et le niveau Mise à l’échelle automatique ?
Non, les changements de niveau entre le niveau Général et le niveau Mise à l’échelle automatique ne sont pas pris en charge pour l’instant.
- Un temps d’arrêt est-il à prévoir lorsque la mise à l’échelle automatique ajuste la capacité ?
Non, la mise à l’échelle automatique ajuste la capacité instantanément et en toute transparence, sans temps d’arrêt ni impact sur les performances.
- Que se passe-t-il si ma charge de travail dépasse les limites du niveau M200 ?
Si votre charge de travail dépasse systématiquement les limites du niveau M200, vous devrez peut-être envisager de passer à un niveau supérieur ou d’élaborer d’autres stratégies de mise à l’échelle dans la mesure où la mise à l’échelle automatique ne dépasse pas actuellement le niveau M200.
- La mise à l’échelle automatique est-elle disponible dans toutes les régions Azure ?
La prise en charge de la mise à l’échelle automatique peut varier selon la région. Consultez le Portail Azure pour connaître la disponibilité dans la région qui vous intéresse.
- Comment puis-je vérifier les frais encourus avec la mise à l’échelle automatique ?
Pour assurer la transparence des coûts, nous avons introduit une nouvelle métrique appelée « Pourcentage d’utilisation de la mise à l’échelle automatique ». Cette mesure indique l’utilisation maximale du processeur ou de la mémoire allouée au fil du temps, ce qui vous permet de la comparer aux frais encourus.
Étapes suivantes
Maintenant que vous avez exploré les fonctionnalités du niveau de mise à l’échelle automatique dans Azure Cosmos DB for MongoDB (vCore), passez à l’étape suivante qui décrit en détail le parcours de migration. Vous verrez comment effectuer une évaluation de la migration et planifier un transfert fluide de vos charges de travail MongoDB existantes vers Azure.