オートスケーリングを構成する

リアクティブなオートスケーリングに適したクラスター

Atlasクラスター層のリアクティブなオートスケーリングは、General クラスター クラスおよび Low-CPU クラスター クラス配下にあるすべての専有クラスター階層で利用できます。

Atlas によるクラスター階層の増加方法

Atlas は次のクラスターのメトリクスを分析して、クラスターをリアクティブに増やすタイミングと、クラスター階層を増やすか、または減らすかを決定します。

• Normalized System CPU 使用率

• システムメモリ使用率

Atlas は、使用可能なノードメモリと合計メモリに基づいて、次のようにシステムメモリ使用率を計算します。

(memoryTotal - (memoryFree + memoryBuffers + memoryCached)) / (memoryTotal) * 100

前の計算では、memoryFree、memoryBuffers、および memoryCached は、Atlas が他の目的で再利用できる使用可能なメモリの量です。詳しくは、「利用可能なメトリクスを確認する」の System Memory を参照してください。

新しいクラスター階層が指定した Minimum と Maximum Cluster Size の範囲から外れる場合、Atlas はクラスター階層をスケーリングしません。

Atlas では、クラスターを同じクラスにある別の階層にスケーリングします。たとえば、Atlas は General クラスターを他の General クラスタークラスにスケーリングしますが、General クラスターを Low-CPU クラスタークラスにスケーリングしません。

適切なクラスターリソースの使用率を確保するために、正確なリアクティブ オートスケーリング基準は変更される可能性があります。

もし読み取り専用ノードを配置しており、クラスターのスケールを速めたい場合は、レプリカセットのスケーリングモードを調整することを検討してください。

クラスター階層をリアクティブに拡大する

アプリケーションの動的ワークロードを管理するために、Atlas はこのセクションに記載されている条件下でクラスター内のノードをリアクティブに増やします。

次のクラスター層がMaximum Cluster Size 範囲内にある場合、このタイプの任意のクラスター ノードに対して次の条件の少なくとも 1 つが当てはまる場合、Atlas はクラスター内の稼働ノードを次の層までスケールアップします。

• M10 および M20 クラスター:

  • AWS。正規化されたシステム CPU の相対使用率の平均が過去 20 分間で 90% を超え、正規化されていないシステム CPU の絶対使用率の平均が、CPU スティールにおいて過去 3 分間で 30% を超えています。

  • Azure。正規化されたシステム CPU の相対使用率の平均が過去 20 分間で 90% を超え、正規化されていないシステム CPU の絶対使用率の平均が、softIRQにおいて過去 3 分間で 10% を超えています。

  • 正規化されたシステムCPU の絶対使用率の平均が、過去 20 分間にクラスターで利用可能なリソースの 90% を超えました。

  • 正規化されたシステム CPU の相対使用率の平均が、過去 1 時間にクラスターで利用可能なリソースの 75% を超えました。

  • 平均 System Memory Utilization が過去 10 分間にクラスターで利用可能なリソースの 90% を超えている。 Atlas がシステムメモリ使用率の量を計算する方法については、「 Atlas がクラスター階層をスケーリングする方法 」を参照してください。

  • 過去 1 時間の平均 System Memory Utilization が、クラスターで使用可能なリソースの 75% を超えています。

• M30+ クラスター:

  • 平均 System CPU Utilization が過去 10 分間にクラスターで利用可能なリソースの 90% を超えました。

  • 過去 1 時間の平均 System CPU Utilization が、クラスターで使用可能なリソースの 75% を超えています。

  • 平均 System Memory Utilization が過去 10 分間にクラスターで利用可能なリソースの 90% を超えました。

  • 過去 1 時間の平均 System Memory Utilization が、クラスターで使用可能なリソースの 75% を超えています。

これらのしきい値により、クラスターは高負荷に対応して迅速にスケールアップし、アプリケーションはトラフィックや使用量の急増に対応しながら、パフォーマンスと信頼性を維持できます。

最適なリソース利用とコストプロファイルを達成するために、Atlas は次の条件が満たされる場合にクラスターを次の階層にスケールアップすることを避けます。

• M10 または M20 クラスターが、過去 20 分または 1 時間（しきい値による）以内にスケールアップされた。

• M30+ クラスターが、過去 10 分または 1 時間（しきい値による）以内にスケールアップされた。

たとえば、12:00 以降クラスター階層が変更されていない場合、クラスターの現在の正規化されたシステム CPU 使用率が 90% を超えると、Atlas は M30+ クラスターを 12:10 にスケールアップします。

クラスター階層のリアクティブなスケールダウン

コストを最適化するために、Atlas はこのセクションに記載されている条件下でクラスター内のノードの増やす量を反応的に減らします。

次に低いクラスター階層が Minimum Cluster Size の範囲内にある場合、Atlas は、指定されたクラスタータイプのすべてのノードに対して次の条件のすべてが当てはまる場合、クラスター内のノードを次の最も低い層にスケールダウンします。

• すべてのノード:

  • Atlas は過去 24 時間以内にクラスターを（手動または自動で）スケールダウンしていません。

  • Atlas は過去24時間にクラスターをプロビジョニングまたは一時停止解除していません。

  • Atlas で過去 12 時間でクラスター ノードを停止して再起動したことはありません。

• 稼働中のノード:

  • 正規化された System CPU Utilization の平均値は、少なくとも過去 10 分および過去 4 時間にわたって、クラスターで使用可能なリソースの 45% を下回っています。Atlas は、CPU 負荷が観測されたレベルに安定したことを示す指標として、「4 時間平均」チェックポイントを使用します。Atlas は、Atlas が「4 時間平均」チェックポイントで捉えられなかった最近の CPU スパイクが発生していないことを示す指標として、「10 分平均」チェックポイントを使用します。

  • WiredTiger のキャッシュ 使用量の平均が、現在の クラスター階層サイズで直近の 10 分および 4 時間で、WiredTiger の最大キャッシュサイズの 90% を下回っている。これは、現在のクラスターが過負荷になっていないことを Atlas に示します。

  • 新しい下位クラスター階層での予測される合計システムメモリ使用率が、少なくとも過去 10 分間および過去 4 時間で 60% を下回っている。Atlas は、上述の予測される合計メモリ使用率を次のように計算します。

    Atlas は、現在のメモリ使用率を測定し、現在の WiredTiger キャッシュ使用量を新しい下位階層クラスターの WiredTiger キャッシュサイズの 80% に置き換えます。

    次に、Atlas は、予測される合計メモリ使用量が新しい階層サイズで少なくとも過去 4 時間および少なくとも過去 10 分間、60% を下回っているかどうかを確認します。

    注意

    Atlas はメモリ計算に WiredTiger キャッシュを含めて、クラスターが完全なキャッシュを持っているものの、それ以外の場合にトラフィックが少なければ、スケールダウンする可能性を高くします。つまり、Atlas はWiredTiger キャッシュのサイズを検査して、クラスターの WiredTiger キャッシュがクラスターの最大 WiredTiger キャッシュサイズの 90% に達する可能性があり、それ以外の状況では Normalized System CPU 使用率が低いアイドルクラスターは、安全にダウンスケールできると判断します。

  これらの条件により、Atlas はクラスター内の稼働中のノードをスケールダウンして、高使用率の状態を防ぐことができます。

• 分析ノード:

  • 過去 24 時間の平均 Normalized System CPU Utilization と System Memory Utilization が、クラスターで利用可能なリソースの 50% を下回っている。

  注意

  M10 と M20 クラスターは、バースト期間後にクラウドプロバイダーが設定した CPU 使用率の上限を考慮して、より低いしきい値を使用しています。これらのしきい値は、クラウドプロバイダーとクラスター階層によって異なります。

シャーディングされたクラスターの増加

Atlas は、レプリカセットと同じ基準を使用して、シャーディングされたクラスターの階層をオートスケールします。Atlas は、次のルールを適用します。

• 独立したシャード スケーリング が有効になっているクラスターの場合、Atlas のオートスケーリングは各シャードを個別に評価およびスケーリングします。独立したシャード拡大では、可用性とパフォーマンスを維持するために、最小シャードサイズが最大シャードの下の 2 つのクラスター階層より小さくない必要があります。Atlas がこのようなクラスターに対してオートスケーリングをトリガーし、最大のシャードを増やす場合、コンシステントな可用性とパフォーマンスを確保するために必要に応じて小さいシャードも増やします。

• シャード内の運用ノードまたは分析ノードがオートスケールの基準を満たす場合、その特定のシャード上の運用ノードまたは分析ノードのみが変更階層になります。

• Config サーバーのレプリカセットはオートスケールされない。

予測オートスケーリングの動作

次のステートメントは、予測型オートスケーリングの仕組みを説明しています。

• Atlas は、予測された負荷が到達する前にクラスターのインスタンスサイズを増やすアップしようとします。

• Atlas が予測メトリクスに基づいてクラスターを予測的に増やす場合、一度に最大 2 階層ずつ増やすことができます。

• 予測オートスケーリングは、ストレージではなく、コンピュートにのみ適用されます。

• 予測的なオートスケーリングは、既存のオートスケーリングの最小インスタンスサイズと最大インスタンスサイズを尊重します。

• Atlas が予測オートスケーリングを使用してクラスターを増やすアップできない場合は、リアクティブなオートスケーリングを使用するようにフォールバックします。

• 予測オートスケーリングはアップスケーリングのみをサポートします。ダウンスケーリングを予測することはできません。Atlas はリアクティブなオートスケーリングを使用して、ワークロードが減少するとクラスターを自動的に増やすします。

• 予測的なアップ拡大が今後の 1 時間以内に実行されるようにスケジュールされている場合、Atlas はリアクティブなダウン拡大をスキップします。

• 独立したシャード拡大を使用しており、クラスターで予測オートスケーリングがすでに有効になり活動している後に 1 つ以上のシャードを追加すると、これらの新しいシャードは、ワークロードパターンが確立される 2 週間後まで予測的にオートスケールされません。一方、これらのシャードは、Atlas ではリアクティブなオートスケーリング動作を使用します。

予測型オートスケーリングに適したクラスター

Atlas は、適格なクラスターを予測するオートスケーリングを使用します。予測オートスケーリングに適したクラスターは、次の条件をすべて満たしている必要があります。

• General と Low-CPU のクラスター クラスに属します。

• 階層が M30 より大きいです。

• オートスケーリングを有効にします。ダウンスケーリングを有効にする場合、オートスケーリングの最小インスタンスサイズは M30 以上である必要があります。

• 少なくとも 2 週間アクティブであること。

• NVMeストレージを使用していない、または Local NVMe SSDクラスタークラスに属していない。

さらに、次の基準は、Atlas が適格なクラスターに対して予測オートスケーリングを使用するかどうかに影響します。

• 予測オートスケーリングは、選択可能なノードと読み取り専用ノードにのみ適用されます。Atlas は、検索するノードまたは分析ノードに予測型オートスケーリングを使用しません。

• 予測的オートスケーリングでは、適格なクラスターで非定期的で非常に動的なワークロードの急増を予測できない可能性があります。このような場合、Atlas はリアクティブなオートスケーリングに依存します。

クラスター階層とクラスター ストレージは並行して拡張される可能性があります

Atlas がオートスケーリングの一環としてクラスターのストレージキャパシティーを自動的に増やすしようとすると、現在のクラスター階層がサポートする範囲外でストレージを増やす必要がある場合があります。クラスターでダウンタイムが発生しないよう、Atlas はクラスター階層（クラスターストレージに加えて）を新しいストレージキャパシティーに対応するように増やします。

Azure 上で、拡張ストレージをサポートするリージョンの 1 つにデプロイされたクラスターで自動スケーリングを有効にし、現在の IOPS が自動スケーリングされたディスクサイズにおいてデフォルトの IOPS よりも低い場合、Atlas は IOPS スライダーで割り当てられた IOPS 数を増やし、UI 上でお知らせします。詳細については、ストレージ容量と IOPS の Azure での変更を参照してください。

指定した最大クラスター階層が新しいストレージ容量をサポートできない場合、Atlas は次の処理を実行します。

1. お使いの最大クラスター階層を、新しいストレージ容量に対応できる次に低い階層まで引き上げます。

2. クラスター階層をその新しい最大階層に増やします。

Atlas がクラスター階層のスケールダウンを試み、ターゲット層が現在のディスク容量、プロビジョニングされた IOPS、またはその両方をサポートできない場合、Atlas ではクラスターがスケールダウンされません。このシナリオでは、Atlas で、現在のクラスター階層と構成済みの最大クラスター階層との関係に基づいてオートスケーリング設定が更新されます。

• クラスターが現在構成されている最大クラスター階層にある場合、すべての小さい層が必要なストレージ設定に対応できないため、Atlas はクラスターの自動スケールダウンを無効にします。下方オートスケーリングを再度有効にする場合は、クラスター設定から手動で有効にする必要があります。

• クラスターが現在設定されている最大クラスター階層にない場合、Atlasは最小クラスター階層を現在のクラスター階層まで引き上げます。この場合、Atlas は下方オートスケーリングを無効にしません。

このオートスケーリング ロジックにより、ストレージ設定がワークロードと一致しない場合でも、ダウンタイムを軽減できます。

oplog に関する考慮事項

ストレージのオートスケーリングを使用するかどうかに応じて、Atlas は oplog の最小保持ウィンドウまたは oplog サイズに基づいて oplog エントリを管理します。詳しくは、「Oplog サイズの動作」を参照してください。Atlas では、ストレージのオートスケーリングはデフォルトで有効になっています。

クラスター階層とストレージの下方オートスケーリングに関する考慮事項

• MongoDB Atlas がクラスターのストレージ容量をスケールダウンする場合、増加プロセスの仕組みにより、ストレージ容量の拡張よりも時間がかかる場合があります。

• 配置のワークロードの範囲を見積もり、Minimum Cluster Size の値を、配置のワークロードを処理するのに十分なキャパシティーがあるクラスター階層に設定します。クラスターの活動が急上昇または急降下する可能性を考慮する必要があります。

• M10 より小さいクラスター階層にはスケールできません。

• クラスターの現在のディスク構成より低い最小クラスター階層は選択できません。最小クラスター階層でサポートされる範囲を超えてストレージが増加し、最小クラスター階層がサポートする範囲を超えてクラスターのストレージ構成が増加した場合、Atlas はクラスターが現在のストレージ要件に対応できるよう、最小クラスター階層を自動的に調整します。

  例

  自動スケーリング範囲を M20〜M60 に設定しました。現在のクラスター階層は M40 で、ディスク容量は 200 GB です。現在のディスク使用量が 180 GBを超えており、これが 200 GB キャパシティーの 90% を超えているため、Atlas はディスクのオートスケーリングイベントをトリガーしてキャパシティーを 320 GB に増やします。

  Atlas は、次のアクションを実行します。

  1. 使用している最小クラスター階層を、新しいストレージ容量に対応できる次に低い階層である M30 まで引き上げる。M20 はストレージ容量最大 256 GB まで対応しているため、有効なオートスケーリングの限界ではなくなる。

  2. 現在のインスタンスサイズ M40 が新しいディスク構成をサポートしているかどうかを決定します。ディスクのオートスケーリングイベントは成功します。

デフォルトで有効になっているオートスケーリング

新しいクラスターを作成すると、MongoDB Atlas はクラスター層とストレージのオートスケーリング（予測的およびリストレージ）を有効にします。（予測オートスケーリングはクラスター階層にのみ影響し、ストレージには影響しません。）オートスケーリングを明示的に有効にする必要はありません。必要に応じて、クラスター階層とクラスター ストレージをオプトアウトすることもできます。

オートスケーリングを有効にすると、クラスターは自動的に次の操作を実行できます。

• クラスターとワークロードの適格性に応じて、リアクティブまたは予測的なオートスケーリングのいずれかを使用して、より高いクラスター階層で機能を増やします。

• リアクティブなオートスケーリングを使用して、現在のクラスター階層をより低いクラスター階層に減少させます。

Auto-scale オプションの Cluster tier セクションでは、クラスターがオートスケーリングできる Maximum Cluster Size と Minimum Cluster Size の値を指定できます。Atlas では、これらの値が次のように設定されます。

• Maximum Cluster Size は、現在のクラスター階層より 1 つ上の層に設定されています。

• Minimum Cluster Size は現在のクラスター階層に設定されています。

さらに、クラスターが適格で、そのワークロードが周期的かつ予測可能な場合、Atlas は 予測的なオートスケーリング を使用する場合があります。

Atlas CLI および Atlas 管理 API でオートスケーリングを有効にする

クラスターを作成または更新する際に、Atlas CLIまたはAtlas管理APIを使用して、コンピュートとストレージの両方でオートスケーリングを有効にできます。次の例では、選挙可能なノードと分析ノードの両方でオートスケーリングを有効にする方法を示しています。クラスター階層とプロバイダーの設定を必要なものに置き換えます。

{
  "replicationSpecs": [
    {
      "regionConfigs": [
        {
          "providerName": "{CLOUD-PROVIDER}",
          "regionName": "{REGION-NAME}",
          "priority": 7,
          "electableSpecs": {
            "instanceSize": "{INSTANCE-SIZE}",
            "nodeCount": 3
          },
          "analyticsSpecs": {
            "instanceSize": "{ANALYTICS-INSTANCE-SIZE}",
            "nodeCount": 1
          },
          "autoScaling": {
            "compute": {
              "enabled": true,
              "scaleDownEnabled": true,
              "minInstanceSize": "{MIN-INSTANCE-SIZE}",
              "maxInstanceSize": "{MAX-INSTANCE-SIZE}"
            },
            "diskGB": {
              "enabled": true
            }
          },
          "analyticsAutoScaling": {
            "compute": {
              "enabled": true,
              "scaleDownEnabled": true,
              "minInstanceSize": "{MIN-ANALYTICS-INSTANCE-SIZE}",
              "maxInstanceSize": "{MAX-ANALYTICS-INSTANCE-SIZE}"
            },
            "diskGB": {
              "enabled": true
            }
          }
        }
      ]
    }
  ]
}

atlas api clusters updateCluster \
  --version 2024-10-23 \
  --clusterName {CLUSTER-NAME} \
  --groupId {GROUP-ID} \
  --file payload.json

curl --user "{PUBLIC-KEY}:{PRIVATE-KEY}" --digest \
     --header "Accept: application/vnd.atlas.2025-03-12+json" \
     --header "Content-Type: application/json" \
     --include \
     --request PATCH "https://cloud.mongodb.com/api/atlas/v2/groups/{GROUP-ID}/clusters/{CLUSTER-NAME}" \
     --data '{
     "replicationSpecs": [
       {
         "regionConfigs": [
           {
             "providerName": "{CLOUD-PROVIDER}",
             "regionName": "{REGION-NAME}",
             "priority": 7,
             "electableSpecs": {
               "instanceSize": "{INSTANCE-SIZE}",
               "nodeCount": 3
             },
             "autoScaling": {
               "compute": {
                 "enabled": true,
                 "scaleDownEnabled": true,
                 "minInstanceSize": "{MIN-INSTANCE-SIZE}",
                 "maxInstanceSize": "{MAX-INSTANCE-SIZE}"
               },
               "diskGB": {
                 "enabled": true
               }
             },
             "analyticsSpecs": {
               "instanceSize": "{ANALYTICS-INSTANCE-SIZE}",
               "nodeCount": 1
             },
             "analyticsAutoScaling": {
               "compute": {
                 "enabled": true,
                 "scaleDownEnabled": true,
                 "minInstanceSize": "{MIN-ANALYTICS-INSTANCE-SIZE}",
                 "maxInstanceSize": "{MAX-ANALYTICS-INSTANCE-SIZE}"
               },
               "diskGB": {
                 "enabled": true
               }
             }
           }
         ]
       }
     ]
   }'

クラスター階層のオートスケーリング オプションを検討する

クラスター階層とストレージに対して有効になっているオートスケーリング オプションを確認するには、次の手順を行います。

クラスター階層のオートスケーリングをオプトアウトする

クラスターのオートスケーリング（クラスター階層の増加）をオプトアウトするには、新しいクラスターを作成するときに、Cluster Tier メニューに移動し、Auto-scale セクションの Cluster Tier Scaling チェックボックスをオフにします。

クラスターのオートスケーリング（クラスター階層の減少）をオプトアウトするには、新しいクラスターを作成するときに、Cluster Tier メニューに移動し、Auto-scale セクションの Allow cluster to be scaled down チェックボックスをオフにします。