Hier is een voorbeeld van een GitHub Actions workflow die automatische horizontale schaalvergroting ondersteunt op basis van CPU-belasting in AWS voor een Node.js-project. Deze workflow controleert de CPU-belasting en past automatisch het aantal EC2-instances aan via AWS API’s (bijvoorbeeld met behulp van AWS CLI of SDK). **Belangrijk:** Zorg dat je AWS credentials hebt geconfigureerd als secrets in je repository (bijvoorbeeld `AWS_ACCESS_KEY_ID` en `AWS_SECRET_ACCESS_KEY`) en dat je de juiste rechten hebt om EC2-instances te beheren. --- ```yaml name: CI met Auto-Scaling on: push: branches: - main jobs: build: runs-on: ubuntu-latest steps: - uses: actions/checkout@v2 - name: Installeer dependencies run: npm install - name: Installeer AWS CLI run: | curl "https://awscli.amazonaws.com/awscli-exe-linux-x86_64.zip" -o "awscliv2.zip" unzip awscliv2.zip sudo ./aws/install - name: Configureer AWS credentials env: AWS_ACCESS_KEY_ID: ${{ secrets.AWS_ACCESS_KEY_ID }} AWS_SECRET_ACCESS_KEY: ${{ secrets.AWS_SECRET_ACCESS_KEY }} AWS_DEFAULT_REGION: us-east-1 # Pas dit aan naar je regio run: | aws configure set aws_access_key_id $AWS_ACCESS_KEY_ID aws configure set aws_secret_access_key $AWS_SECRET_ACCESS_KEY aws configure set default.region $AWS_DEFAULT_REGION - name: Meet CPU-belasting id: cpu_load run: | # Gebruik bijvoorbeeld 'mpstat' of 'top' om de CPU-belasting te meten # Hier een voorbeeld met top: CPU_USAGE=$(top -bn1 | grep "Cpu(s)" | awk '{print $2 + $4}') echo "cpu_load=$CPU_USAGE" >> $GITHUB_OUTPUT - name: Bepaal schaalverandering id: scale_decision run: | CPU_THRESHOLD=70 # Lees de CPU-belasting cpu_load=${{ steps.cpu_load.outputs.cpu_load }} echo "Huidige CPU-belasting: $cpu_load%" # Bepaal het aantal instances DESIRED_CAPACITY=1 # standaard if (( $(echo "$cpu_load > $CPU_THRESHOLD" | bc -l) )); then # verhoog capaciteit DESIRED_CAPACITY=3 elif (( $(echo "$cpu_load < 30" | bc -l) )); then # verlaag capaciteit DESIRED_CAPACITY=1 fi echo "desired_capacity=$DESIRED_CAPACITY" >> $GITHUB_OUTPUT - name: Pas autoscaling aan env: AWS_ACCESS_KEY_ID: ${{ secrets.AWS_ACCESS_KEY_ID }} AWS_SECRET_ACCESS_KEY: ${{ secrets.AWS_SECRET_ACCESS_KEY }} run: | # Voorbeeld: aanpassen van Auto Scaling Group (ASG) AUTO_SCALING_GROUP_NAME="jouw-asg-naam" desired_capacity=${{ steps.scale_decision.outputs.desired_capacity }} aws autoscaling update-auto-scaling-group \ --auto-scaling-group-name $AUTO_SCALING_GROUP_NAME \ --desired-capacity $desired_capacity echo "Schaal ingesteld op $desired_capacity instances." ``` --- **Uitleg:** - De workflow wordt geactiveerd bij iedere push naar `main`. - Het meet de CPU-belasting op de runner (in dit geval de GitHub-host OS – niet ideaal voor productie, maar illustratief). - Gebaseerd op de CPU-belasting wordt het gewenste aantal instances bepaald. - Daarna wordt de Auto Scaling Group (ASG) in AWS aangepast om het aantal instances te verhogen of verlagen. **Aanpassingen benodigd:** - Vervang `jouw-asg-naam` door de daadwerkelijke naam van je Auto Scaling Group. - Pas de regio aan in de AWS-configuratie. - Overweeg het gebruik van een meer betrouwbare manier om CPU-belasting te meten op je productie-omgeving. - Overweeg het toevoegen van wacht- of interval-logica voor meer gecontroleerd schalen. **Tip:** Voor een robuustere aanpak kun je een aparte service of Lambda gebruiken die periodiek de CPU-belasting meet en de ASG aanpast, in plaats van dit direct in CI/CD te doen.

Hier is een uitgebreide GitHub Actions workflow met automatische horizontale schaling op basis van CPU-belasting voor je Node.js project op AWS: ```yaml name: CI/CD met Auto-scaling on: [push] env: AWS_REGION: 'eu-west-1' ECS_CLUSTER: 'nodejs-cluster' ECS_SERVICE: 'nodejs-service' CPU_THRESHOLD: '70' jobs: build-and-test: runs-on: ubuntu-latest steps: - uses: actions/checkout@v4 - name: Install dependencies run: npm install - name: Run tests run: npm test - name: Build application run: npm run build - name: Configure AWS credentials uses: aws-actions/configure-aws-credentials@v4 with: aws-access-key-id: ${{ secrets.AWS_ACCESS_KEY_ID }} aws-secret-access-key: ${{ secrets.AWS_SECRET_ACCESS_KEY }} aws-region: ${{ env.AWS_REGION }} deploy-and-scale: needs: build-and-test runs-on: ubuntu-latest steps: - name: Checkout code uses: actions/checkout@v4 - name: Configure AWS credentials uses: aws-actions/configure-aws-credentials@v4 with: aws-access-key-id: ${{ secrets.AWS_ACCESS_KEY_ID }} aws-secret-access-key: ${{ secrets.AWS_SECRET_ACCESS_KEY }} aws-region: ${{ env.AWS_REGION }} - name: Build and push Docker image run: | docker build -t ${{ secrets.AWS_ECR_REPOSITORY }}:latest . aws ecr get-login-password --region ${{ env.AWS_REGION }} | docker login --username AWS --password-stdin ${{ secrets.AWS_ACCOUNT_ID }}.dkr.ecr.${{ env.AWS_REGION }}.amazonaws.com docker push ${{ secrets.AWS_ECR_REPOSITORY }}:latest - name: Deploy to ECS run: | aws ecs update-service \ --cluster ${{ env.ECS_CLUSTER }} \ --service ${{ env.ECS_SERVICE }} \ --force-new-deployment - name: Configure Auto Scaling run: | # Configureer CloudWatch alarms voor CPU monitoring aws cloudwatch put-metric-alarm \ --alarm-name "HighCPUUtilization-${{ env.ECS_SERVICE }}" \ --alarm-description "Alarm bij hoge CPU belasting" \ --metric-name CPUUtilization \ --namespace AWS/ECS \ --statistic Average \ --period 300 \ --threshold ${{ env.CPU_THRESHOLD }} \ --comparison-operator GreaterThanThreshold \ --evaluation-periods 2 \ --alarm-actions ${{ secrets.AWS_SCALING_POLICY_ARN }} \ --dimensions Name=ClusterName,Value=${{ env.ECS_CLUSTER }} Name=ServiceName,Value=${{ env.ECS_SERVICE }} # Stel Application Auto Scaling in aws application-autoscaling register-scalable-target \ --service-namespace ecs \ --scalable-dimension ecs:service:DesiredCount \ --resource-id service/${{ env.ECS_CLUSTER }}/${{ env.ECS_SERVICE }} \ --min-capacity 1 \ --max-capacity 10 aws application-autoscaling put-scaling-policy \ --service-namespace ecs \ --scalable-dimension ecs:service:DesiredCount \ --resource-id service/${{ env.ECS_CLUSTER }}/${{ env.ECS_SERVICE }} \ --policy-name cpu-based-scaling \ --policy-type TargetTrackingScaling \ --target-tracking-scaling-policy-configuration file://scaling-policy.json monitoring: needs: deploy-and-scale runs-on: ubuntu-latest steps: - name: Configure AWS credentials uses: aws-actions/configure-aws-credentials@v4 with: aws-access-key-id: ${{ secrets.AWS_ACCESS_KEY_ID }} aws-secret-access-key: ${{ secrets.AWS_SECRET_ACCESS_KEY }} aws-region: ${{ env.AWS_REGION }} - name: Monitor deployment status run: | echo "Monitoring deployment status..." aws ecs wait services-stable \ --cluster ${{ env.ECS_CLUSTER }} \ --services ${{ env.ECS_SERVICE }} echo "Deployment voltooid en service is stabiel" ``` **Benodigde bestanden:** 1. **Dockerfile** (in je project root): ```dockerfile FROM node:18-alpine WORKDIR /app COPY package*.json ./ RUN npm ci --only=production COPY . . EXPOSE 3000 CMD ["npm", "start"] ``` 2. **scaling-policy.json**: ```json { "TargetValue": 70.0, "PredefinedMetricSpecification": { "PredefinedMetricType": "ECSServiceAverageCPUUtilization" }, "ScaleOutCooldown": 60, "ScaleInCooldown": 300 } ``` **Vereiste GitHub Secrets:** - `AWS_ACCESS_KEY_ID` - `AWS_SECRET_ACCESS_KEY` - `AWS_ACCOUNT_ID` - `AWS_ECR_REPOSITORY` - `AWS_SCALING_POLICY_ARN` **AWS Infrastructure vereisten:** - ECS Cluster met Fargate - ECR Repository - Application Auto Scaling geconfigureerd - IAM Rollen met juiste permissions Deze workflow bouwt je applicatie, voert tests uit, deployt naar AWS ECS en configureert automatische horizontale schaling gebaseerd op CPU-utilisatie met een drempelwaarde van 70%.