Verificación de conocimientos - Computación y elasticidad
Un arquitecto espera que VM Auto Scaling maneje un aumento en una sola VM Workload creciente agregando CPU y RAM a las réplicas en ejecución a medida que aumenta la carga. ¿Por qué este es el modelo mental incorrecto del servicio?
VM Auto Scaling es horizontal: lanza y termina réplicas completas para coincidir con una sola política métrica, y los cambios en la configuración de réplica afectan solo a las nuevas réplicas, nunca a la flota en ejecución. El crecimiento de CPU y RAM de una sola VM es Escalado Vertical en Vivo, un mecanismo separado con sus propios límites (el límite de 240 GB de RAM con hotplug, la reducción de CPU/RAM con reinicio). Los distractores inventan comportamientos de cambio parcial de tamaño que el servicio no tiene.
Un arquitecto está eligiendo una clase de cómputo para un Workload que se ajusta perfectamente a un paquete fijo de vCPU, RAM y NVMe, pero cuyos datos empresariales persistentes deben sobrevivir a las reconstrucciones de instancias. Un compañero de equipo argumenta que un Cube no es adecuado porque "Cubes no puede utilizar Block Storage". ¿Cómo debe responder el arquitecto?
Un Cube se envía con una plantilla NVMe obligatoria e inmutable, pero también puede adjuntar dispositivos HDD/SSD Block Storage adicionales, por lo que los datos persistentes pertenecen a esos volúmenes en lugar de al disco NVMe que se elimina con la instancia. La verdadera restricción es que la plantilla (vCPU, RAM, NVMe) es fija después de la provisión, no que el Cube no pueda utilizar Block Storage, por lo que el diseño correcto utiliza volúmenes adicionales para los datos que deben sobrevivir.
FinCorp necesita colocar un disco de arranque y datos de base de datos único en VM en Block Storage y quiere que el Volume entregue su rendimiento completo de SSD calificado. ¿Qué decisión de diseño gobierna de manera más directa si el SSD funcionará como se espera?
El rendimiento de SSD en IONOS Block Storage se escala con el tamaño de Volume, y IONOS recomienda al menos 100 GB para alcanzar el rendimiento completo, lo que es exactamente por qué los SSD sub-100 GB no son recomendados para cargas de trabajo de bases de datos. Los distractores invierten la relación de tamaño HDD/SSD (HDD es independiente del tamaño), malutilizan las zonas de disponibilidad e invocan una replicación administrada entre regiones que no existe para Block Storage.
Un arquitecto está ajustando un grupo de VM Auto Scaling cuyas réplicas tardan varios minutos en arrancar y calentarse. En las pruebas, el grupo se escala repetidamente, luego se reduce inmediatamente, oscilando bajo una carga constante. ¿Cuál es la mejor opción de configuración para estabilizar el grupo?
La oscilación se evita mediante los dos controles anti-flapping: un tiempo de enfriamiento lo suficientemente largo para que las nuevas réplicas se calienten y asuman la carga, y una separación obligatoria entre los umbrales de escalado y reducción que crea una banda muerta. Un tiempo de enfriamiento más corto empeora el sobre-escalado, un grupo puede tener solo una política de métrica, y no hay escalado a cero porque el piso es una réplica.
FinCorp debe ejecutar su gran propiedad existente de VMware bajo la estricta soberanía de la UE, mientras transfiere el ciclo de vida de la plataforma fuera de sus propios equipos, y también desea nuevas cargas de trabajo elásticas en el borde. ¿Cuál es el enfoque que mejor se adapta a estas limitaciones?
Un VMware Private Cloud dedicado permite a FinCorp mantener su modelo de operación de VMware mientras IONOS posee el ciclo de vida de la plataforma, y debido a que el plano de control es operado por la UE, se preserva la soberanía, donde un servicio de VMware operado por EE. UU. en una región de la UE aún llevaría exposición a la Ley CLOUD, independientemente de la ubicación de los datos. El patrón híbrido coloca la propiedad regulada en VMware dedicado y las nuevas cargas de trabajo elásticas en computación estándar, en lugar de forzar una costosa replataformización completa o permanecer completamente de forma local.