Come funziona l'auto scaling in AWS?

Question

Accepted Answer

**Auto Scaling** regola automaticamente il numero di risorse in esecuzione (ad es. istanze EC2) in base alla domanda — aggiungendo capacità quando il carico aumenta e rimuovendola quando il carico diminuisce. È fondamentale per costruire applicazioni che sono sia **affidabili** (gestiscono i picchi di traffico) che **efficienti in termini di costi** (non over-provisioning).

## Cosa fa l'auto scaling

```text
Auto Scaling adjusts capacity AUTOMATICALLY based on demand:
  → load INCREASES (traffic spike) → add instances (scale OUT) → handle the load
  → load DECREASES → remove instances (scale IN) → save money
→ Match capacity to demand automatically: reliable under load, cheap when idle.
```

## EC2 Auto Scaling Groups (ASG)

```text
An AUTO SCALING GROUP manages a fleet of EC2 instances:
  MIN / MAX / DESIRED capacity → bounds and target number of instances
  LAUNCH TEMPLATE → how to launch new instances (AMI, type, config)
  SCALING POLICIES → rules for when to scale (see below)
  HEALTH CHECKS → replace unhealthy instances automatically (self-healing!)
  → typically spread across multiple AZs (high availability)
```

## Scaling policies (quando scalare)

```text
TARGET TRACKING → keep a metric at a target (e.g. "keep average CPU at 50%") — simplest
STEP / SIMPLE SCALING → add/remove N instances when a metric crosses a threshold
SCHEDULED → scale at known times (e.g. more capacity during business hours)
PREDICTIVE → ML-based, anticipating load
→ Usually based on CloudWatch metrics (CPU, request count, custom metrics).
```

## Perché è importante

```text
✓ RELIABILITY — handle traffic spikes automatically (no manual intervention, no overload)
✓ COST-EFFICIENCY — scale IN during low demand → don't pay for idle capacity
✓ SELF-HEALING — auto-replace failed instances (combined with health checks)
✓ Pairs with a LOAD BALANCER (distributes traffic across the scaled instances)
```

## Perché è importante

Capire l'auto scaling è prezioso per costruire applicazioni che sono sia affidabili che efficienti in termini di costi, quindi è una conoscenza AWS pratica e importante.

L'auto scaling risolve una sfida fondamentale del cloud: adattare la capacità alla **domanda variabile** automaticamente — **aggiungendo istanze quando il carico aumenta** (gestendo i picchi di traffico senza intervento manuale o sovraccarico, garantendo affidabilità) e **rimuovendole quando il carico diminuisce** (evitando di pagare per la capacità inattiva, garantendo efficienza dei costi).

Questo duplice vantaggio (affidabilità sotto carico + risparmio sui costi quando inattivo) è centrale nello sfruttare l'elasticità del cloud, ed è molto meglio che effettuare il provisioning statico per il carico massimo (dispendioso) o per il carico medio (fallisce durante i picchi).

Capire gli **Auto Scaling Groups** (gestire una flotta di istanze EC2 con capacità min/max/desiderata, template di lancio, e health check che rimpiazzano automaticamente le istanze non sane per l'**auto-guarigione**) e come sono tipicamente distribuiti tra **multiple AZ** (combinando il scaling con l'alta disponibilità) è la conoscenza pratica fondamentale.

Capire le **scaling policies** (target tracking per mantenere una metrica come CPU a un target — la più semplice e comune; step scaling su soglie; scheduled scaling per pattern noti; predictive scaling) basate su metriche CloudWatch è necessario per configurare il scaling appropriatamente.

Sapere che l'auto scaling **si abbina con un load balancer** (che distribuisce il traffico tra le istanze che cambiano dinamicamente) completa il quadro di un'architettura scalabile e resiliente.

Poiché gestire la domanda variabile in modo affidabile e economico è un requisito fondamentale del cloud, e poiché l'auto scaling (con scaling groups, policies, health check e load balancing) è il meccanismo che lo realizza, capire l'auto scaling è una conoscenza AWS pratica e preziosa per costruire applicazioni che si scalano con la domanda — una capacità fondamentale per un'architettura cloud affidabile e cost-efficient e un argomento chiave per progettare sistemi che gestiscono il traffico variabile nel mondo reale.