Doporučení pro optimalizaci nákladů na škálování
Platí pro toto doporučení kontrolního seznamu optimalizace nákladů architektury s dobře navrženou architekturou Azure:
| CO:12 | Optimalizace nákladů na škálování Vyhodnoťte alternativní škálování v rámci jednotek škálování. Zvažte alternativní konfigurace škálování a zarovnejte se s modelem nákladů. Důležité informace by měly zahrnovat využití proti omezením dědění všech instancí, prostředků a hranic jednotek škálování. Použijte strategie pro řízení poptávky a nabídky. |
|---|
Tato příručka poskytuje doporučení pro optimalizaci nákladů na škálování. Optimalizace nákladů je proces odstraňování neekicience při škálování úloh. Cílem je snížit náklady na škálování a zároveň splnit všechny nefunkční požadavky. Méně útraty za účelem získání stejného výsledku Optimalizace škálování vám umožní vyhnout se zbytečným výdajům, nadměrnému zřízení a plýtvání. Pomáhá také zabránit neočekávaným špičkám nákladů tím, že řídí poptávku a omezování nabídky. Neefektivní postupy škálování můžou vést ke zvýšení zatížení a provozních nákladů a negativnímu vlivu na celkový finanční stav úlohy.
Definice
| Pojem | definice |
|---|---|
| Automatické škálování | Přístup ke škálování, který při splnění sady podmínek automaticky přidá nebo odebere prostředky. |
| Metriky nákladů | Číselná data související s náklady na úlohy |
| Zredukovat | Strategie vertikálního škálování, která se přesune na nižší skladovou položku, aby poskytovala méně prostředků úlohám. |
| Škálovat na méně instancí | Strategie horizontálního škálování, která odebere instance, aby úlohy poskytovala méně prostředků. |
| Horizontální navýšení kapacity | Strategie horizontálního škálování, která přidává instance, které poskytují více prostředků k úloze. |
| Jednotka škálování | Skupinaprostředkůch |
| Vertikální navýšení kapacity | Strategie vertikálního škálování, která se přesune na vyšší skladovou položku, aby poskytovala více prostředků pro úlohu. |
| Skladová jednotka (SKU) | Úroveň služby pro službu Azure. |
| Údaje o využití | Data o využití jsou buď přímé informace (skutečné) nebo nepřímé/reprezentativní informace (proxy) o tom, kolik úloh, služeb nebo aplikací se používá. |
Klíčové strategie návrhu
Cílem optimalizace nákladů je vertikálně navyšovat a navyšovat kapacitu na poslední zodpovědný okamžik a vertikálně snížit kapacitu a snížit kapacitu, jakmile bude praktické. Pokud chcete optimalizovat škálování pro úlohu, můžete vyhodnotit alternativní možnosti škálování v rámci jednotek škálování a sladit je s modelem nákladů. Jednotka škálování představuje konkrétní seskupení prostředků, které je možné škálovat nezávisle nebo společně. Jednotky škálování byste měli navrhnout tak, aby zpracovávaly určité množství zatížení a mohly by se skládat z několika instancí, serverů nebo jiných prostředků. Potřebujete vyhodnotit nákladovou efektivitu jednotek škálování úloh a alternativních modelů.
Pokud škálování nepoužíváte, přečtěte si pokyny ke škálování úlohy. Musíte zjistit, jestli se vaše aplikace může škálovat. Bezstavové aplikace se snadněji škálují, protože dokážou zpracovávat více požadavků najednou. Také vyhodnoťte, jestli je aplikace vytvořená pomocí principů distribuovaných systémů. Distribuované systémy můžou zvládnout zvýšené zatížení tím, že distribuují úlohu napříč několika uzly. Jednoúčelová aplikace je však navržená tak, aby v daném okamžiku běžela pouze jedna instance. Škálování proto nemusí být vhodné pro všechny úlohy.
Vyhodnocení horizontálního navýšení kapacity a vertikálního navýšení kapacity
Vyhodnocení horizontálního navýšení kapacity a vertikálního navýšení kapacity zahrnuje určení nákladově nejefektivnějšího přístupu mezi zvýšením prostředků v existujícím systému (vertikálním navýšením kapacity) nebo přidáním dalších instancí tohoto systému (horizontální navýšení kapacity) na základě různých faktorů, jako jsou ceny, požadavky na úlohy a přijatelné výpadky. Volba správného přístupu ke škálování může vést k významným úsporám a zajistit, že platíte jenom za to, co potřebujete, a přitom stále splňujete standardy výkonu a spolehlivosti.
Cílem je určit nákladově nejefektivnější volbu na základě cen na úrovni služeb, vlastností úloh, přijatelných výpadků a nákladového modelu. U některých může být úspornější zvolit dražší instance v menším počtu. Naopak pro ostatní může být levnější úroveň s více instancemi lepší. Pokud chcete učinit informované rozhodnutí, musíte analyzovat skutečná nebo reprezentativní data z vašeho nastavení a vyhodnotit relativní výhody nákladů každé strategie. Pokud chcete vyhodnotit nákladově nejefektivnější přístup, zvažte tato doporučení:
Shromažďování dat o využití: Shromážděte skutečná produkční data nebo proxy data, která představují vzory využití úloh a využití prostředků. Tato data by měla zahrnovat metriky, jako je využití procesoru, využití paměti, síťový provoz a všechny další relevantní metriky, které ovlivňují náklady na škálování.
Definovat metriky nákladů: Určete metriky nákladů, které jsou relevantní pro vaši úlohu, například náklady na hodinu, náklady na transakci nebo náklady na jednotku využití prostředků. Tyto metriky vám pomůžou porovnat nákladovou efektivitu různých možností škálování.
Shromažďování dat o využití: Shromážděte skutečná produkční data nebo proxy data, která představují vzory využití úloh a využití prostředků. Tato data by měla zahrnovat metriky, jako je využití procesoru, využití paměti, síťový provoz a všechny další relevantní metriky, které ovlivňují náklady na škálování.
Definovat metriky nákladů: Určete metriky nákladů, které jsou relevantní pro vaši úlohu, například náklady na hodinu, náklady na transakci nebo náklady na jednotku využití prostředků. Tyto metriky vám pomůžou porovnat nákladovou efektivitu různých možností škálování.
Projděte si požadavky: Při rozhodování mezi strategiemi škálování na více instancí a vertikálním navýšením kapacity zvažte požadavky vaší úlohy na spolehlivost, výkon a škálování. Horizontální navýšení kapacity může zvýšit spolehlivost prostřednictvím redundance. Vertikální navýšení kapacity prostředku se zvyšuje, ale může existovat omezení, jak moc můžete vertikálně navýšit kapacitu.
Zvažte limity prostředků: Při vyhodnocování možností škálování je důležité vzít v úvahu základní limity každé instance, prostředku a hranice jednotky škálování. Mějte na paměti horní limity škálování pro každý prostředek a plán odpovídajícím způsobem. Kromě toho mějte na paměti limity předplatného a dalších prostředků.
Škálování testů: Vytvářejte testy pro různé scénáře škálování, včetně možností horizontálního navýšení kapacity a vertikálního navýšení kapacity. Použití dat o využití simuluje chování úloh v různých konfiguracích škálování. Proveďte reálné testování pomocí modelovaných scénářů škálování.
Výpočet nákladů: Pomocí shromážděných dat a metrik nákladů můžete vypočítat náklady spojené s každou konfigurací škálování. Zvažte faktory, jako jsou ceny instancí, využití prostředků a případné další náklady související se škálováním.
Optimalizace automatického škálování
Optimalizace zásad automatického škálování zahrnuje zpřesnění automatického škálování tak, aby reagovalo na změny zatížení na základě nefunkčních požadavků úlohy. Nadměrné aktivity škálování můžete omezit úpravou prahových hodnot a použitím správného období cooldownu. Pokud chcete optimalizovat automatické škálování, zvažte následující doporučení:
Analyzujte aktuální zásady automatického škálování: Porozumíte stávajícím zásadám a jeho chování v reakci na různé úrovně zatížení.
Projděte si nefunkční požadavky: Identifikujte konkrétní nefunkční požadavky, které je potřeba vzít v úvahu, jako je doba odezvy, využití prostředků nebo náklady.
Upravit prahové hodnoty škálování: Upravte prahové hodnoty škálování na základě charakteristik úloh a nefunkčních požadavků. Nastavte prahové hodnoty pro vertikální navýšení nebo snížení kapacity na základě faktorů, jako je využití procesoru v průběhu času, síťový provoz nebo délka fronty.
Úprava období cooldownu: Upravte dobu cooldownu, aby se zabránilo nadměrným aktivitám škálování aktivovaným dočasnými špičkami zatížení. Období ochlazování představuje prodlevu mezi událostmi škálování, což systému umožňuje stabilizovat se před dalšími akcemi škálování.
Monitorování a vyladění: Průběžně monitorujte chování a výkon systému. Analyzujte aktivity škálování a upravte zásady podle potřeby, abyste optimalizovali náklady a splnili požadované nefunkční požadavky.
Kompromis: Snížení počtu událostí škálování zvyšuje šanci na problémy související se škálováním. To znamená, že eliminujete další polštář nebo vyrovnávací paměť, které by mohly pomoci při správě potenciálních problémů nebo zpoždění při škálování.
Použití škálování na základě událostí
Automatické škálování řízené událostmi umožňuje aplikaci dynamicky upravovat prostředky na základě konkrétních událostí nebo triggerů místo tradičních metrik, jako je využití procesoru nebo paměti. Například automatické škálování řízené událostmi Kubernetes (KEDA) může škálovat aplikace na základě škálovacích nástrojů, jako je délka tématu Kafka. Přesnost pomáhá zabránit zbytečným výkyvům škálování a plýtvání zdrojů. Vysoká úroveň přesnosti nakonec optimalizuje náklady. Pokud chcete použít škálování na základě událostí, postupujte takto:
Zvolte zdroj události: Určete zdroj událostí, který aktivuje škálování jednotky škálování. Zdrojem může být fronta zpráv, streamovací platforma nebo jakýkoli jiný systém řízený událostmi.
Nastavení příjmu událostí: Nakonfigurujte aplikaci tak, aby spotřebovávat události z vybraného zdroje událostí. Obvykle se jedná o navázání připojení, přihlášení k odběru relevantních témat nebo front a zpracování příchozích událostí.
Implementace logiky škálování: Napište logiku, která určuje, kdy a jak se má jednotka škálování škálovat na základě příchozích událostí. Tato logika by měla zvážit faktory, jako je počet událostí, rychlost příchozích událostí nebo jakékoli jiné relevantní metriky.
Integrace s mechanismy škálování: V závislosti na prostředí runtime vaší aplikace můžete k úpravě prostředků přidělených aplikaci použít různé mechanismy škálování.
Konfigurovat pravidla škálování: Definujte pravidla škálování, která určují, jak se má jednotka škálování škálovat v reakci na události. Tato pravidla můžou být založená na prahových hodnotách, vzorech nebo jiných kritériích, která odpovídají požadavkům vaší aplikace. Prahové hodnoty škálování by měly souviset s obchodními metrikami. Pokud například přidáte dvě další instance, můžete podporovat 50 dalších uživatelů při zpracování nákupního košíku.
Testování a monitorování: Ověřte chování implementace škálování na základě událostí tím, že ji otestujete v různých scénářích událostí. Monitorujte akce škálování a zajistěte, aby akce odpovídaly vašim očekáváním.
Optimalizace poptávky a nabídky
Kontrolujte poptávku proti vaší nabídce. U úloh, u kterých využití určuje škálování, náklady korelují se škálováním. Pokud chcete optimalizovat náklady na škálování, můžete minimalizovat výdaje na škálování. Poptávku můžete snížit distribucí poptávky do jiných prostředků nebo můžete snížit poptávku implementací front priority, snižováním zátěže brány, ukládáním do vyrovnávací paměti a omezováním rychlosti. Obě strategie můžou zabránit nežádoucím nákladům kvůli škálování a spotřebě prostředků. Dodávky můžete řídit také omezením limitů škálování. Pokud chcete optimalizovat poptávku po úlohách a nabídku, zvažte následující doporučení.
Snižování zátěže poptávky
Snižování zátěže se týká praxe distribuce nebo převodu poptávky po prostředcích na jiné prostředky nebo služby. Můžete použít různé technologie nebo strategie:
Ukládání do mezipaměti: Ukládání často přístupných dat nebo obsahu pomocí ukládání do mezipaměti, což snižuje zatížení back-endové infrastruktury. Pomocí sítí pro doručování obsahu (CDN) můžete například ukládat do mezipaměti a obsluhovat statický obsah, což snižuje potřebu škálování back-endu. Ne každá úloha ale může ukládat data do mezipaměti. Úlohy, které vyžadují aktuální data a data v reálném čase, jako jsou obchodní nebo herní úlohy, by neměly používat mezipaměť. Data uložená v mezipaměti by byla pro uživatele stará a irelevantní.
Kompromis. Ukládání do mezipaměti může představovat problémy z hlediska zneplatnění mezipaměti, konzistence a správy vypršení platnosti mezipaměti. Je důležité pečlivě navrhnout a implementovat strategie ukládání do mezipaměti, abyste se vyhnuli potenciálním kompromisům.Snižování zátěže obsahu: Přesměrujte obsah na externí služby nebo platformy, abyste snížili zatížení vaší infrastruktury. Například místo ukládání videosouborů na primárním serveru můžete tyto soubory hostovat v samostatné službě úložiště, která je nezávislá na primárním serveru. Tyto velké soubory můžete načíst přímo ze služby úložiště. Tento přístup uvolní prostředky na vašich serverech a umožní vám použít menší server. Ukládání velkých souborů do samostatného úložiště dat může být levnější. Ke zlepšení výkonu můžete použít CDN.
Vyrovnávání zatížení: Distribuujte příchozí požadavky mezi více serverů pomocí vyrovnávání zatížení. Vyrovnávání zatížení rovnoměrně distribuuje úlohu a brání tomu, aby se každý jeden server zahltil. Nástroje pro vyrovnávání zatížení optimalizují využití prostředků a zlepšují efektivitu vaší infrastruktury.
Snižování zátěže databáze: Snižte zatížení hlavního aplikačního serveru přesměrováním databázových operací na samostatný databázový server nebo specializovanou službu. Můžete například použít CDN pro ukládání statického obsahu do mezipaměti a mezipaměť Redis pro ukládání dynamického obsahu (data z databáze). Techniky, jako je horizontální dělení databáze, repliky pro čtení nebo použití spravovaných databázových služeb, můžou také snížit zatížení.
Kompromis: Snižování zátěže konkrétních úloh na alternativní prostředky pomáhá snížit nebo zabránit dodatečnému škálování a nákladům spojeným se škálováním. Je však důležité vzít v úvahu problémy s provozem a údržbou, které můžou vzniknout při snižování zátěže. Provádění komplexní analýzy nákladů a přínosů je zásadní při výběru nejvhodnějších technik snižování zátěže pro vaši úlohu. Tato analýza zajišťuje, že zvolená metoda je efektivní a proveditelná ve vztahu k očekávaným úsporám a provozním složitostem.
Snížení poptávky
Snížení poptávky po prostředcích znamená implementaci strategií, které pomáhají minimalizovat využití prostředků v úloze. Snižování zátěže poptávky přesouvá poptávku na jiné prostředky. Snížení poptávky snižuje poptávku po úloze. Snížení poptávky vám umožní vyhnout se nadměrnému zřízení prostředků a platit za nevyužitou nebo nedostatečně využitou kapacitu. K omezení poptávky po prostředcích úloh byste měli použít vzory návrhu na úrovni kódu. Pokud chcete snížit poptávku prostřednictvím vzorů návrhu, postupujte takto:
Principy vzorů návrhu: Seznamte se s různými vzory návrhu, které podporují optimalizaci prostředků.
Analýza požadavků na úlohy: Vyhodnoťte konkrétní požadavky vaší úlohy, včetně očekávaných vzorců poptávky, špiček zatížení a potřeb prostředků.
Vyberte vhodné vzory návrhu: Vyberte vzory návrhu, které odpovídají požadavkům a cílům vaší úlohy. Pokud například vaše úlohy kolísnou poptávku, můžou vzorce škálování a omezování řízené událostmi pomoct spravovat úlohy dynamickým přidělováním prostředků. Použijte vybrané vzory návrhu na architekturu úloh. Možná budete muset oddělit komponenty úloh, kontejnerizovat aplikace, optimalizovat využití úložiště a provádět další akce.
Nepřetržité monitorování a optimalizace: Pravidelně vyhodnocujte efektivitu implementovaných vzorů návrhu a podle potřeby upravte. Monitorujte využití prostředků, metriky výkonu a příležitosti optimalizace nákladů.
Pomocí těchto kroků a používáním vhodných vzorů návrhu můžete snížit poptávku po prostředcích, optimalizovat náklady a zajistit efektivní provoz úloh.
Pomocí těchto vzorů návrhu můžete snížit poptávku:
Doplňování do mezipaměti: Model kontroluje mezipaměť, aby zjistil, jestli jsou data již uložená v paměti. Pokud se data nacházejí v mezipaměti, může aplikace rychle načíst a vrátit data, což snižuje potřebu dotazování na trvalé úložiště dat.
Kontrola deklarace identity: Rozdělením dat od toku zasílání zpráv tento model zmenší velikost zpráv a podporuje nákladově efektivnější řešení zasílání zpráv.
Konkurenční spotřebitelé: Tento model efektivně zpracovává položky ve frontě použitím distribuovaného a souběžného zpracování. Tento vzor návrhu optimalizuje náklady škálováním na základě hloubky fronty a nastavení limitů maximálního počtu souběžných instancí příjemců.
Konsolidace výpočetních prostředků: Tento model zvyšuje hustotu a slučuje výpočetní prostředky zkombinováním více aplikací nebo komponent ve sdílené infrastruktuře. Maximalizuje využití prostředků, zabraňuje nevyužité zřízené kapacitě a snižuje náklady.
Razítka nasazení: Použití razítek nasazení nabízí několik výhod, jako je geografická distribuce skupin zařízení, nasazení nových funkcí na konkrétní kolky a sledování nákladů na zařízení. Razítka nasazení umožňují lepší škálovatelnost, odolnost proti chybám a efektivní využití prostředků.
Přesměrování zátěže brány: Tento model přesměruje zpracování požadavků v zařízení brány a přesměruje náklady z prostředků jednotlivých uzlů na implementaci brány. Použití tohoto vzoru návrhu může vést k nižším nákladům na vlastnictví v modelu centralizovaného zpracování.
Vydavatel/odběratel: Tento model odděluje komponenty v architektuře a nahrazuje přímou komunikaci zprostředkujícím zprostředkovatele zpráv nebo sběrnici událostí. Umožňuje přístup řízený událostmi a fakturaci na základě spotřeby, aby se zabránilo nadměrnému zřízení.
Vyrovnávání zatížení na základě fronty: Vzorová vyrovnávací paměť příchozích požadavků nebo úkolů ve frontě. Ukládání do vyrovnávací paměti vyrovnává zatížení a snižuje potřebu nadměrného zřizování prostředků pro zpracování zatížení ve špičce. Příchozí požadavky se zpracovávají asynchronně, aby se snížily náklady.
Horizontální dělení: Tento model směruje konkrétní požadavky do logického cíle, což umožňuje optimalizaci pomocí kolokace dat. Horizontální dělení může vést k úsporám nákladů pomocí několika instancí výpočetních prostředků nižší specifikace nebo prostředků úložiště.
Hostování statického obsahu: Tento model efektivně poskytuje statický obsah pomocí hostitelské platformy navržené pro tento účel. Zabraňuje použití dražších hostitelů dynamických aplikací a optimalizaci využití prostředků.
Omezování: Tento model omezuje rychlost (omezování rychlosti) nebo propustnost příchozích požadavků na prostředek nebo komponentu. Pomáhá informovat modelování nákladů a může být svázán přímo s obchodním modelem aplikace.
Valet key: Tento model uděluje zabezpečený a exkluzivní přístup k prostředku, aniž by zahrnoval více komponent, což snižuje potřebu zprostředkujících prostředků a zlepšení efektivity.
Ovládací zdroj
Definování horního limitu částky, kterou jste ochotni utratit na konkrétní prostředek nebo službu, je jedním ze způsobů, jak řídit dodávky. Je to důležitá strategie pro řízení nákladů a zajištění toho, aby výdaje nepřekračovaly určitou úroveň. Vytvořte rozpočet a sledujte útratu, abyste zajistili, že zůstane v definované výši. Můžete použít platformy správy nákladů, upozornění na rozpočet nebo sledování vzorů využití a útraty. Některé služby umožňují omezit nabídku a limitní sazby a měli byste tyto funkce používat tam, kde jsou užitečné.
Řízení dodávek odkazuje na definování horního limitu částky, kterou jste ochotni utratit na konkrétní prostředek nebo službu. Je to důležitá strategie, protože pomáhá řídit náklady a zajišťuje, aby výdaje nepřekračovaly určitou úroveň. Vytvořte rozpočet a monitorujte útratu, abyste zajistili, že zůstane v definované prahové hodnotě. Můžete použít platformy správy nákladů, upozornění na rozpočet nebo sledování vzorů využití a útraty. Některé služby umožňují omezit nabídku a limitní sazby a měli byste tyto funkce používat tam, kde jsou užitečné.
Usnadnění azure
Vyhodnocení škálování na více instancí a vertikální navýšení kapacity: Azure poskytuje testovací prostředí, ve kterém můžete nasazovat a testovat různé konfigurace škálování. Pomocí skutečných dat úlohy nebo dat proxy serveru můžete simulovat reálné scénáře a měřit vliv na náklady. Azure nabízí nástroje a služby pro testování výkonu, zátěžové testování a monitorování, které vám můžou pomoct vyhodnotit nákladovou efektivitu horizontálního navýšení kapacity a možnosti vertikálního navýšení kapacity.
Azure poskytuje doporučení pro správu nákladů prostřednictvím různých nástrojů a služeb, jako je Azure Advisor. Tato doporučení analyzují vzorce využití, využití prostředků a konfigurace škálování a poskytují přehledy a návrhy pro optimalizaci nákladů.
Azure Load Testing je plně spravovaná služba pro zátěžové testování, která generuje vysoké zatížení. Tato služba simuluje provoz vašich aplikací bez ohledu na to, kde jsou hostované. Vývojáři, testeři a technici kontroly kvality můžou pomocí zátěžového testování optimalizovat výkon aplikací, škálovatelnost nebo kapacitu.
Optimalizace automatického škálování: Mnoho výpočetních služeb Azure podporuje nasazování více identických instancí a rychlé ladění prahových hodnot a zásad škálování. Azure poskytuje funkce automatického škálování, které umožňují automaticky upravit počet instancí nebo prostředků na základě poptávky po úlohách. Můžete definovat pravidla škálování a prahové hodnoty pro aktivaci akcí horizontálního navýšení kapacity nebo horizontálního navýšení kapacity. Pomocí automatického škálování můžete optimalizovat přidělování prostředků a nákladovou efektivitu dynamickým škálováním prostředků na základě skutečné poptávky.
Azure udržuje seznam limitů předplatného a služeb. Existuje obecný limit počtu instancí prostředku, který můžete nasadit v každé skupině prostředků s některými výjimkami. Další informace najdete v tématu Omezení instancí prostředků na skupinu prostředků.
Optimalizace poptávky a nabídky: Azure Monitor poskytuje přehled o výkonu a stavu vašich aplikací a infrastruktury. Pomocí služby Azure Monitor můžete monitorovat zatížení vašich prostředků a analyzovat trendy v průběhu času. Pomocí metrik a protokolů shromážděných službou Azure Monitor můžete identifikovat oblasti, ve kterých můžou být potřeba úpravy škálování. Tyto informace můžou vést ke zpřesnění zásad automatického škálování, aby se zajistilo, že je v souladu s nefunkčními požadavky a cíli optimalizace nákladů.
Snižování zátěže: Azure má moderní cloudovou síť pro doručování obsahu (CDN) s názvem Azure Front Door a služby ukládání do mezipaměti (Azure Cache for Redis a Azure HPC Cache). CDN ukládá obsah do mezipaměti blíže koncovým uživatelům, snižuje latenci sítě a zlepšuje dobu odezvy. Ukládání do mezipaměti ukládá kopii dat před hlavním úložištěm dat, což snižuje potřebu opakovaných požadavků na back-end. Pomocí služeb CDN a ukládání do mezipaměti můžete optimalizovat výkon a snížit zatížení serverů za účelem potenciálních úspor nákladů.
Řízení dodávek: Azure také umožňuje nastavit limity prostředků pro vaši cloudovou úlohu. Definováním limitů prostředků můžete zajistit, aby vaše úloha zůstala v rámci přidělených prostředků a vyhnula se zbytečným nákladům. Azure poskytuje různé mechanismy pro nastavení limitů prostředků, jako jsou kvóty, zásady a upozornění na rozpočet. Tyto mechanismy pomáhají monitorovat a řídit využití prostředků.
Služba API Management může omezit a omezit požadavky. Schopnost omezovat příchozí požadavky je klíčovou rolí služby Azure API Management. Buď kontrolou četnosti požadavků nebo celkového počtu přenášených požadavků nebo dat, služba API Management umožňuje poskytovatelům rozhraní API chránit svá rozhraní API před zneužitím a vytvářet hodnotu pro různé úrovně produktů rozhraní API.
Související odkazy
- Škálování úlohy
- Doporučení k nákladům služby Azure Advisor
- Co je Zátěžové testování Azure?
- Limity, kvóty a omezení předplatného a služeb Azure
- Prostředky nejsou omezeny na 800 instancí na skupinu prostředků.
- Co je Azure Front Door?
- Co je Azure Cache for Redis?
- Co je Azure HPC Cache?
- Pokročilé omezování požadavků pomocí služby Azure API Management
Kontrolní seznam optimalizace nákladů
Projděte si kompletní sadu doporučení.