ANNOUNCEMENT: Voyage AI joins MongoDB to power more accurate and trustworthy AI applications on Atlas.
Learn more
Docs Menu

Atlas のスケーラビリティに関するガイダンス

オートスケーリングにより、クラスターはリアルタイムの使用状況に応じて、階層、ストレージキャパシティー、またはその両方を自動的に調整できます。 Atlas は CPU とメモリ使用率を分析して、クラスター層をスケールアップまたはスケールダウンする増やすと量を決定します。 Atlas がクラスター ノードをスケールアップまたはスケールダウンする条件の詳細については、「クラスター階層のスケーリング」を参照してください。また、最小のパフォーマンスまたは制御コストを保証するために、クラスターがオート増やすできる最大クラスターサイズと最小クラスターサイズの範囲を指定することもできます。新しい階層が指定されたサイズ範囲を超える場合、またはメモリ使用量が新しい階層のキャパシティーを超える場合、Atlas はクラスターを増やすしません。オートスケーリングは、クラスター層を増やすアップまたはスケールダウンするために遅延で調整され、オートスケーリングがアプリケーションに影響を与えないようにします 。したがって、データベースが使用量で枯渇するような急増のあるアプリケーションではなく、一貫して増加または減少するアプリケーション負荷に最適です。ワークロードが頻繁に急増する場合、またはイベントや起動によりトラフィックが大幅に増加することが予想されます。また、MongoDBによって事前にスケーリングすることをお勧めします。

Atlas 配置テンプレートは、推奨される配置トポロジーで参照されているように、水平および垂直のスケーリング オプションを提供します。具体的には、シャーディングは多数のマシンにデータを分散するため、1 つのサーバーがワークロードを処理できない場合に便利です。シャーディングは、共有なしアーキテクチャである、どのノードも相互にリソースを共有しない分散コンピューティング アーキテクチャに従います。 MongoDB が一般的なクエリ パターンにしながら、ドキュメントをクラスター全体に均等に分散できるようにするシャードキーの理想的な選択の詳細については、「シャードキーの選択」を参照してください。さらに、範囲シャーシャーディング、ハッシュされたシャーディング、ゾーンシャーディングシャーディングの主要なシャーディング戦略について詳しくは、「パフォーマンスのベストプラクティス: シャーディング」を参照してください。

Atlas クラスターを次に使用可能な Atlas 階層にアップグレードするには、Atlas コントロール プレーン GUI、Atlas Administration API、または IaC ツール(Atlas Kubernetes Operator、MongoDBおよび HashiCorp Terraform、Atlas CLI など)を使用します。詳細については、「Atlas 自動インフラストラクチャのプロビジョニング」のガイダンスを参照してください。 Atlas 階層の変更(アップスケーリングまたはダウンスケール)では、ダウンタイムはゼロになります。階層は順次変化します。これには、セカンダリ ノードを代わりとして選択し、このセカンダリ ノードを新しいプライマリに昇格させ、その後は失敗したノードを復元または置換して、クラスターが可能な限りすぐにターゲット構成に戻るようにします。水平スケーリング は、 管理者アクションに基づいて配置後に発生します。このアクションは、 プログラムスクリプトからトリガーできます。一部のクラスターテンプレートでは、シャーディングされたクラスターが必要です。 MongoDBバージョン 8.0 以降では、埋め込みコンフィギュレーションサーバーを使用して、小規模なシャーディングされたクラスターのコンフィギュレーションサーバーに関連するコストを削減できます。

Atlas の低 CPU オプションは、より多くのメモリを必要とするが、処理能力をそれほど必要としないアプリケーションに役立ちます。このオプションは、同じクラスターサイズのGeneral階層と比較して、インスタンスに半分のvCPUを提供し、メモリ集約型であるがCPUに依存しないワークロードのコストを削減します。

データの階層化とアーカイブにより、低コストのストレージにデータをアーカイブしつつ、ライブクラスターデータと共にクエリを実行できます。これは、特に長期的な記録保持に役立ちます。このプロセスを最適化するために、MongoDBは、シンプルで構成可能なルールを使用してデータMongoDBアーカイブを自動化することをお勧めします。「 アーカイブ データ 」を参照して、アーカイブ ルールで指定できる基準の詳細を学んでください。データの保持が優先順位でないシナリオでは、Atlasは日付基準に基づいて未使用のデータを自動的に削除するオプションを提供します。アクセス頻度の低いデータに対して、TTL インデックスは、指定された期間の後または設定された時刻にコレクションからドキュメントを自動的に削除する特別な単一フィールドインデックスです。これは、ログ、セッション情報、イベントデータなど、限られた時間だけ保持する必要があるデータには特に有効です。TTLインデックスを作成するには、日付値を保持するフィールドにインデックスを定義し、秒単位で有効期間を指定します。

Atlas には、非効率的なクエリを識別して最適化するために、インデックスを追加または削除したり、クライアントのクエリ構造を変更したりするための自動化ツール、例えばPerformance Advisorが用意されています。実行可能な推奨事項に従ってクエリのパフォーマンスを向上させることで、不要な計算時間とリソースの消費を削減することができます。さらに、Atlasが提供するインテリジェントなインデックス推奨を活用することで、データ検索の効率をさらに向上させ、データベース操作に必要なリソースを最小限に抑えることができます。

開発環境およびテスト環境では、オートスケーリングコンピュートとオートスケーリングストレージを有効にしないでください。これにより、非本番環境でのコストを削減できます。

ステージング環境および本番環境では、次のことをお勧めいたします。

  • アプリケーションが小規模から中規模へと有機的に成長するインスタンスに対して、コンピュートおよびストレージの自動スケーリングを有効にします。

    If you use IaC ツールを使用する場合は、 設定を活用して、オートスケーリングによるリソースドリフトを無視します。例、Terraform では、disk_gb_enabled が true の場合、Atlas はディスク サイズを自動的に増やすアップまたはスケールダウンします。これにより、返される disk_size_gb の値は Terraform 構成で指定されている値と異なる可能性があり、その後プランが適用されると、Terraform はクラスターのディスク サイズを元の disk_size_gb 値に増やすします。これを防ぐには、ライフサイクルのカスタマイズを使用する必要があります。つまり、lifecycle { ignore_changes = [disk_size_gb] } です。

    同様に、Terraform では、compute_enabledが true の場合、Atlas は指定された最大値まで自動的にスケールアップし、指定された最小値まで自動的にスケールダウンします。これにより、返される provider_instance_size_name の値が Terraform 構成で指定された値と異なる可能性があり、これに注意せずにプランを適用すると、Terraform はクラスターを元の instanceSizeName の値にスケールバックします。これを防ぐには、ライフサイクルのカスタマイズを使用する必要があります。すなわち、lifecycle { ignore_changes = [provider_instance_size_name] }です。

次の例では、Atlas のオートメーションツールを使用して、オートスケーリングコンピューティングとストレージを有効にします。

これらの例では、次のような他の推奨される構成も適用されます。

  • 開発/テスト環境用にクラスター階層が M10 に設定されました。クラスターサイズガイドを使用して、アプリケーションのサイズに合った推奨クラスター階層を学んでください。

  • 単一リージョン、3ノードレプリカセット/シャード配置トポロジー。

この例では、Amazon Web ServicesAzure、Google Cloud Platform をどちらも使用しています。これら 3 つのクラウドプロバイダーのいずれかを使用できますが、クラウドプロバイダーと一致するようにリージョン名を変更する必要があります。クラウドプロバイダーとそのリージョンの詳細については、「 クラウドプロバイダー 」を参照してください。

  • 中規模アプリケーション用のクラスター階層がM30に設定されました。クラスターサイズガイドを使用して、アプリケーションのサイズに合った推奨クラスター階層を学んでください。

  • 単一リージョン、3ノードレプリカセット/シャード配置トポロジー。

この例では、Amazon Web ServicesAzure、Google Cloud Platform をどちらも使用しています。これら 3 つのクラウドプロバイダーのいずれかを使用できますが、クラウドプロバイダーと一致するようにリージョン名を変更する必要があります。クラウドプロバイダーとそのリージョンの詳細については、「 クラウドプロバイダー 」を参照してください。

注意

開発およびテスト環境では、コストを節約するためにコンピューティングおよびストレージのオートスケーリングが無効になっています。

ステージング環境と本番環境のために、各プロジェクトに対して次の cluster.json ファイルを作成してください。ID と名前を変更して、あなたの値を使用してください。

{
"clusterType": "REPLICASET",
"links": [],
"name": "CustomerPortalProd",
"mongoDBMajorVersion": "8.0",
"replicationSpecs": [
{
"numShards": 1,
"regionConfigs": [
{
"electableSpecs": {
"instanceSize": "M30",
"nodeCount": 3
},
"priority": 7,
"providerName": "GCP",
"regionName": "EASTERN_US",
"analyticsSpecs": {
"nodeCount": 0,
"instanceSize": "M30"
},
"autoScaling": {
"compute": {
"enabled": true,
"scaleDownEnabled": true
},
"diskGB": {
"enabled": true
}
},
"readOnlySpecs": {
"nodeCount": 0,
"instanceSize": "M30"
}
}
],
"zoneName": "Zone 1"
}
]
}

cluster.jsonファイルを作成した後、各プロジェクトで次のコマンドを実行してください。このコマンドは、cluster.jsonファイルを使用してクラスターを作成します。

atlas cluster create --projectId 5e2211c17a3e5a48f5497de3 --file cluster.json

その他の構成オプションとこの例に関する情報については、atlas クラスターの作成を参照してください。

注意

Terraform でリソースを作成する前に、次の手順を実行する必要があります。

  • 支払い組織を作成し、組織のAPIキーを作成します。ターミナルで次のコマンドを実行し、APIキーを環境変数として保存してください。

    export MONGODB_ATLAS_PUBLIC_KEY="<insert your public key here>"
    export MONGODB_ATLAS_PRIVATE_KEY="<insert your private key here>"
  • Terraform のインストール

開発およびテスト環境では、コストを節約するためにコンピューティングおよびストレージのオートスケーリングが無効になっています。

ステージング環境および本番環境において、各アプリケーションと環境のペアごとに次のファイルを作成してください。各アプリケーションと環境のペアごとにファイルをそれぞれのディレクトリに配置してください。ID、名前、ディスクサイズを変更して、あなたの値を使用してください。

# Create a Group to Assign to Project
resource "mongodbatlas_team" "project_group" {
org_id = var.atlas_org_id
name = var.atlas_group_name
usernames = [
"user1@example.com",
"user2@example.com"
]
}
# Create a Project
resource "mongodbatlas_project" "atlas-project" {
org_id = var.atlas_org_id
name = var.atlas_project_name
# Assign the Project the Group with Specific Roles
team_id = mongodbatlas_team.project_group.team_id
role_names = ["GROUP_READ_ONLY", "GROUP_CLUSTER_MANAGER"]
}
# Create an Atlas Advanced Cluster
resource "mongodbatlas_advanced_cluster" "atlas-cluster" {
project_id = mongodbatlas_project.atlas-project.id
name = "ClusterPortalProd"
cluster_type = "REPLICASET"
mongo_db_major_version = var.mongodb_version
replication_specs {
region_configs {
electable_specs {
instance_size = var.cluster_instance_size_name
node_count = 3
}
priority = 7
provider_name = var.cloud_provider
region_name = var.atlas_region
}
}
tags {
key = "BU"
value = "ConsumerProducts"
}
tags {
key = "TeamName"
value = "TeamA"
}
tags {
key = "AppName"
value = "ProductManagementApp"
}
tags {
key = "Env"
value = "Production"
}
tags {
key = "Version"
value = "8.0"
}
tags {
key = "Email"
value = "marissa@acme.com"
}
}
# Outputs to Display
output "atlas_cluster_connection_string" { value = mongodbatlas_advanced_cluster.atlas-cluster.connection_strings.0.standard_srv }
output "project_name" { value = mongodbatlas_project.atlas-project.name }
# Atlas Organization ID
variable "atlas_org_id" {
type = string
description = "Atlas Organization ID"
}
# Atlas Project Name
variable "atlas_project_name" {
type = string
description = "Atlas Project Name"
}
# Atlas Project Environment
variable "environment" {
type = string
description = "The environment to be built"
}
# Cluster Instance Size Name
variable "cluster_instance_size_name" {
type = string
description = "Cluster instance size name"
}
# Cloud Provider to Host Atlas Cluster
variable "cloud_provider" {
type = string
description = "AWS or GCP or Azure"
}
# Atlas Region
variable "atlas_region" {
type = string
description = "Atlas region where resources will be created"
}
# MongoDB Version
variable "mongodb_version" {
type = string
description = "MongoDB Version"
}
# Storage Auto-scaling Enablement Flag
variable "auto_scaling_disk_gb" {
type = boolean
description = "Flag that specifies whether disk auto-scaling is enabled"
}
# Compute Auto-scaling Enablement Flag
variable "auto_scaling_compute" {
type = boolean
description = "Flag that specifies whether cluster tier auto-scaling is enabled"
}
# Disk Size in GB
variable "disk_size_gb" {
type = int
description = "Disk Size in GB"
}
atlas_org_id = "32b6e34b3d91647abb20e7b8"
atlas_project_name = "Customer Portal - Prod"
environment = "prod"
cluster_instance_size_name = "M30"
cloud_provider = "AWS"
atlas_region = "US_WEST_2"
mongodb_version = "8.0"
auto_scaling_disk_gb_enabled = "true"
auto_scaling_compute_enabled = "true"
disk_size_gb = "40000"
# Define the MongoDB Atlas Provider
terraform {
required_providers {
mongodbatlas = {
source = "mongodb/mongodbatlas"
}
}
required_version = ">= 0.13"
}

ファイルを 作成した後、各アプリケーションと環境ペアのディレクトリに移動し、次のコマンドを実行して Terraform を初期化してください。

terraform init

Terraform プランを表示するには、次のコマンドを実行してください。

terraform plan

lifecycle ブロックを追加して disk_size_gbinstant_size を明示的に変更した後、lifecycle ブロックをコメントアウトして terraform apply を実行する。完了したら、誤って変更しないように、lifecycleブロックのコメントを必ず外してください。

次のコマンドを実行して、アプリケーションと環境のペアに対して1つのプロジェクトと1つのデプロイメントを作成してください。コマンドは、ファイルとMongoDB & HashiCorp Terraformを使用して、プロジェクトとクラスターを作成します。

terraform apply

プロンプトが表示されたら、yesを入力し、Enterを押して設定を適用してください。

この例に関するその他の設定オプションや情報については、MongoDB & HashiCorp TerraformおよびMongoDB Terraform ブログ記事をご覧ください。