Hoe virtuele-machineschaalsets van Azure werken
Met Virtual Machine Scale Sets kunt u een groep VM's met gelijke taakverdeling maken en beheren. De capaciteit of het aantal VM-exemplaren (virtuele machines) kan automatisch toenemen of afnemen als reactie op een planning die u configureert of wanneer de metrische prestatiegegevens die u definieert, worden bereikt. VM-exemplaren in een virtuele-machineschaalset kunnen dezelfde configuratie of verschillende configuraties hebben.
Virtuele-machineschaalsets bieden hoge beschikbaarheid en schaal naar uw toepassingen. Met virtuele-machineschaalsets kunt u een groot aantal VM's centraal beheren, configureren en bijwerken. Met virtuele-machineschaalsets kunt u grootschalige services ontwikkelen voor zaken zoals rekenkracht, big data en containerworkloads.
Schaalsets zijn ontworpen voor kosteneffectiviteit, schaalbaarheid en betrouwbaarheid. Nieuwe VM-exemplaren worden alleen gemaakt wanneer dat nodig is en worden verwijderd wanneer ze niet meer nodig zijn. Wanneer er nieuwe exemplaren nodig zijn, worden deze exemplaren gegenereerd op basis van een sjablooninstallatiekopieën om de exemplaren en de toepassingen te configureren. Met Virtuele-machineschaalsets van Azure kunt u maximaal 1000 VM's in één schaalset uitvoeren.
De schaal van een schaalset aanpassen
Virtuele-machineschaalsets hebben betrekking op de noodzaak om snel VM's te maken en te beheren voor fluctuerende workloads. U kunt twee typen schaalaanpassing voor een schaalset configureren:
Gepland schalen: U kunt de schaalset proactief plannen om een of N aantal extra exemplaren te implementeren om een piek in het verkeer aan te bieden en vervolgens weer omlaag te schalen wanneer de piek eindigt.
Automatisch schalen: als de werkbelasting variabel is en niet altijd kan worden gepland, kunt u schalen op basis van metrische gegevens gebruiken. Automatisch schalen wordt uitgeschaald op basis van het gebruik van knooppunten. Vervolgens wordt weer ingeschaald wanneer de resources terugkeren naar een basislijn.
Automatische schaalaanpassing is gebaseerd op een set schaalvoorwaarden, regels en limieten. Een schaalvoorwaarde is een combinatie van tijd en een set regels voor schaalaanpassing. Als het huidige tijdstip binnen de periode valt die in de schaalvoorwaarde is gedefinieerd, worden de schaalregels voor de voorwaarde geëvalueerd. De resultaten van deze evaluatie bepalen of exemplaren in de schaalset moeten worden toegevoegd of verwijderd.
Met de schaalvoorwaarde worden ook de limieten van de schaalaanpassing voor het maximum- en het minimumaantal instanties gedefinieerd. Door het maximum aantal metrische gegevens te beperken, kunt u het aantal virtuele machines beperken dat wordt gemaakt, zodat een ongeplande verkeerspiek niet automatisch onverwachte abonnementskosten overlaat.
U kunt automatische schaalaanpassing baseren op de volgende criteria:
Planning: Gebruik deze methode als u weet dat u een verhoogde werkbelasting hebt op een opgegeven datum of periode. Schaalaanpassing op basis van een planning geeft een begin- en eindtijd aan en het aantal exemplaren dat moet worden toegevoegd aan de schaalset.
Metrische gegevens: Pas schalen aan door metrische prestatiegegevens te bewaken die zijn gekoppeld aan de schaalset. Wanneer deze metrische gegevens een opgegeven drempelwaarde overschrijden, kan de schaalset automatisch nieuwe virtuele-machine-instanties starten. Wanneer de metrische gegevens aangeven dat de extra resources niet meer nodig zijn, kan de schaalset alle overtollige exemplaren stoppen.
Deze metrische gegevens worden vaak gebruikt om een virtuele-machineschaalset te bewaken:
Cpu-percentage: deze metriek geeft het CPU-gebruik voor alle exemplaren aan. Een hoge waarde geeft aan dat de CPU een knelpunt wordt voor de instanties, wat het verwerken van clientaanvragen zou kunnen vertragen.
Inkomende stromen en uitgaande stromen: deze metrische gegevens laten zien hoe snel netwerkverkeer naar en van virtuele machines in de schaalset stroomt.
Schijfleesbewerkingen per seconde en schrijfbewerkingen per seconde: deze metrische gegevens tonen het volume van schijf-I/O in de schaalset.
Diepte van gegevensschijfwachtrij: Deze metrische waarde laat zien hoeveel I/O-aanvragen wachten om alleen te worden verwerkt voor de gegevensschijven op de virtuele machines.
Een virtuele-machineschaalset kan veel schaalvoorwaarden bevatten. Bij elke voorwaarde waaraan wordt voldaan, wordt actie ondernomen. Een schaalset kan ook een standaardschaalvoorwaarde hebben die wordt gebruikt als er geen andere schaalvoorwaarden met het betreffende tijdstip en de prestatiegegevens overeenkomen.
De standaardschaalvoorwaarde is altijd actief. Het bevat geen schaalregels en fungeert als een null-schaalvoorwaarde die niet wordt ingeschaald of uitgeschaald. U kunt echter de standaardschaalvoorwaarde wijzigen om een standaardaantal exemplaren in te stellen, of u kunt een paar schaalregels toevoegen die opnieuw worden uitgeschaald en weer inschalen.
Schaalsets met Azure Spot-exemplaren
Met een virtuele-machineschaalset die bestaat uit VM's van Azure Spot-exemplaren, kunt u Azure-rekenresources gebruiken tegen kostenbesparingen van maximaal 80 procent. In de globale Azure-infrastructuur komen ondergebruikte rekenresources regelmatig beschikbaar. Met een schaalset met spot-exemplaren kunt u geld besparen met behulp van deze ondergeuste rekencapaciteit.
Notitie
Wanneer u deze VM's gebruikt, moet u er rekening mee houden dat deze tijdelijk zijn. De beschikbaarheid is afhankelijk van de grootte, de regio, het tijdstip van de dag, enzovoort. Deze VM's hebben geen SLA.
Wanneer Azure de rekenkracht opnieuw nodig heeft, krijgt u een melding dat de VIRTUELE machine uit uw schaalset is verwijderd. Het gebruik van spot-exemplaren in schaalsets is handig voor workloads die worden uitgevoerd met onderbrekingen of wanneer u grotere VM's tegen veel lagere kosten nodig hebt. Houd er rekening mee dat u niet kunt bepalen wanneer een VM kan worden verwijderd.
Hoe virtuele-machineschaalsets verschillen van handmatige VM-pools
Schaalsets zijn opgebouwd uit virtuele machines. Met schaalsets beschikt u automatisch over de beheer- en automatiseringslagen voor het uitvoeren en schalen van uw toepassingen. Voordat virtuele-machineschaalsets beschikbaar zijn, hebben organisaties vaak handmatig afzonderlijke VM's gemaakt en beheerd, of bestaande hulpprogramma's geïntegreerd om een vergelijkbaar automatiseringsniveau te bouwen.
Deze tabel geeft een overzicht van de voordelen van schaalsets vergeleken met het handmatig beheren van meerdere VM-exemplaren.
| Scenario | Handmatig samengestelde groep VM's | Virtuele-machineschaalsets |
|---|---|---|
| Extra VM-exemplaren toevoegen | Handmatige proces voor maken, configureren en garanderen van naleving | Automatisch maken op basis van centrale configuratie |
| Verkeersverdeling en distributie | Handmatig proces voor het maken en configureren van Azure Load Balancer of Application Gateway | Kan automatisch maken en integreren met Azure Load Balancer of Application Gateway |
| Hoge beschikbaarheid en redundantie | Handmatig maken van beschikbaarheidsset of VM's distribueren en traceren tussen beschikbaarheidszones | Automatische distributie van VM-exemplaren over beschikbaarheidszones of beschikbaarheidssets |
| Schalen van VM's | Handmatige controle en Azure Automation | Automatisch schalen op basis van metrische gegevens van de host, metrische gegevens van de gast, Application Insights of schema |