Skip to main content

​
Introdução

O escalonamento automático de recursos do banco de dados exige um equilíbrio cuidadoso: aumentar a escala muito lentamente pode comprometer o desempenho, enquanto reduzi-la de forma agressiva demais pode provocar oscilações constantes. O ClickHouse Cloud permite reduções de escala mais rápidas, minimiza as oscilações de escalonamento e reduz substancialmente os custos de infraestrutura para workloads variáveis, mantendo a estabilidade necessária para bancos de dados de produção ao combinar uma estrutura de recomendação de duas janelas com um sistema de recomendação de CPU com rastreamento de meta.

​
Escalonamento com base em CPU

O escalonamento de CPU é baseado em target tracking, que calcula a alocação exata de CPU necessária para manter a utilização em um nível-alvo. Uma ação de escalonamento só é acionada se a utilização atual de CPU ficar fora de uma faixa definida: O recomendador avalia a utilização de CPU com base no histórico de uso e determina um tamanho de CPU recomendado usando esta fórmula:
Se a utilização da CPU estiver entre 37,5% e 75% da capacidade alocada, nenhuma ação de escalonamento será realizada. Fora dessa faixa, o recomendador calcula o tamanho exato necessário para retornar a 53% de utilização, e o serviço é escalonado de acordo.

​
Exemplo

Um serviço com 4 vCPU alocadas apresenta um pico de uso de 3,8 vCPU (~95% de utilização), ultrapassando o limite superior de 75%. O recomendador calcula: 3.8 / 0.53 ≈ 7.2 vCPU e arredonda para o próximo tamanho disponível (8 vCPU). Quando a carga diminui e o uso cai abaixo de 37,5% (1,5 vCPU), o recomendador reduz a alocação proporcionalmente.

​
Recomendações baseadas em memória

O ClickHouse Cloud recomenda automaticamente quantidades de memória com base nos padrões reais de uso do seu serviço. O recomendador analisa o uso em uma janela retrospectiva e adiciona folga para lidar com picos e evitar erros de falta de memória (OOM). O recomendador considera três sinais:
  • Memória da consulta: A memória de pico usada durante a execução da consulta
  • Memória residente: A memória de pico mantida pelo processo como um todo
  • Eventos de OOM: Se consultas ou réplicas ficaram sem memória recentemente

​
Como a margem é calculada

Para a memória de consulta e a memória residente, a margem adicional depende de quão previsível é o seu uso:
  • Uso estável (baixa variação): multiplicador de 1,25x — mais margem, já que o uso é consistente e dificilmente terá picos inesperados
  • Uso com picos (alta variação): multiplicador de 1,1x — menos margem, para evitar superprovisionamento de cargas de trabalho que já variam bastante
Se eventos de OOM forem detectados, o recomendador aplica um multiplicador mais agressivo de 1,5x para garantir que o serviço tenha memória suficiente para se recuperar.

​
Recomendação final

O sistema considera o valor mais alto entre todos os sinais:

​
Recomendador de duas janelas

Em vez de usar uma única janela, o ClickHouse Cloud usa duas janelas retrospectivas com intervalos de tempo diferentes:
  • Janela pequena (3 horas): Captura padrões de uso recentes e permite uma redução de escala mais rápida
  • Janela grande (30 horas): Garante que o aumento de escala ocorra em uma única etapa até o uso máximo observado na janela retrospectiva mais longa, em vez de vários aumentos de escala graduais. Isso é fundamental porque o escalonamento leva tempo e invalida caches locais; por isso, é mais seguro fazer o aumento de escala em uma única etapa.
Cada janela gera independentemente uma recomendação usando análises de memória e CPU. Em seguida, o sistema combina essas recomendações com base na direção de escalonamento sugerida por cada janela, como mostrado na figura abaixo: Para uma análise detalhada das decisões de projeto do recomendador, consulte “Escalonamento automático mais inteligente para o ClickHouse: a abordagem de duas janelas ”
Última modificação em 3 de julho de 2026