Perkembangan teknologi cloud computing membuat perusahaan tidak lagi harus menyediakan kapasitas server dalam jumlah besar sejak awal. Resource komputasi dapat ditambah ketika kebutuhan meningkat dan dikurangi kembali ketika beban kerja menurun. Kemampuan inilah yang dikenal sebagai elastic computing atau komputasi elastis.

Elastic computing menjadi salah satu konsep penting dalam cloud computing karena memungkinkan infrastruktur menyesuaikan kapasitas berdasarkan kebutuhan workload. Dengan pendekatan ini, perusahaan dapat menghindari penyediaan resource secara berlebihan sekaligus tetap menjaga performa aplikasi ketika terjadi peningkatan trafik.

Lalu, apa sebenarnya yang dimaksud dengan elastic computing? Bagaimana cara kerjanya, apa manfaatnya, dan apa perbedaannya dengan scalability?

Apa Itu Elastic Computing?

Elastic computing adalah kemampuan sistem komputasi berbasis cloud untuk menambah atau mengurangi resource secara dinamis sesuai dengan perubahan beban kerja atau kebutuhan pengguna.

Ketika workload meningkat, sistem dapat menambahkan kapasitas komputasi. Sebaliknya, ketika workload menurun, resource yang tidak lagi diperlukan dapat dikurangi sehingga kapasitas kembali ke tingkat yang lebih rendah.

Google Cloud menjelaskan cloud elasticity sebagai kemampuan sistem cloud untuk secara otomatis menyesuaikan resource komputasi dengan workload yang berubah. Konsep ini dapat mencakup penyesuaian processing power, memory, storage, maupun jumlah instance.

Sementara itu, AWS mendefinisikan elasticity sebagai kemampuan untuk memperoleh resource ketika dibutuhkan dan melepaskannya kembali ketika sudah tidak diperlukan. Dalam lingkungan cloud, proses tersebut idealnya dilakukan secara otomatis.

Sebagai contoh, sebuah website e-commerce biasanya memiliki trafik yang lebih tinggi ketika sedang mengadakan promo besar. Jika menggunakan elastic computing, kapasitas server dapat ditingkatkan untuk menghadapi lonjakan pengunjung. Setelah trafik kembali normal, kapasitas tersebut dapat dikurangi.

Dengan demikian, elastic computing memungkinkan organisasi menggunakan resource secara lebih fleksibel tanpa harus mempertahankan kapasitas maksimum sepanjang waktu.

Elastic Computing dan Cloud Computing

Elastic computing sangat erat kaitannya dengan cloud computing. Salah satu karakteristik penting cloud adalah kemampuan menyediakan resource IT sesuai kebutuhan dan memungkinkan kapasitas dinaikkan maupun diturunkan ketika kebutuhan berubah.

Pada infrastruktur tradisional, perusahaan biasanya harus membeli atau menyediakan server fisik terlebih dahulu. Jika kapasitas server tidak mencukupi ketika trafik meningkat, penambahan hardware membutuhkan waktu dan biaya.

Cloud menawarkan pendekatan yang lebih fleksibel. Resource dapat disediakan sesuai kebutuhan melalui layanan cloud dan kapasitasnya dapat disesuaikan dengan workload.

Contohnya, perusahaan dapat menjalankan aplikasi menggunakan virtual machine, container, serverless function, atau layanan cloud lainnya. Ketika workload bertambah, resource dapat diperbesar atau jumlah instance dapat ditambah. Ketika workload menurun, resource dapat dikurangi.

Bagaimana Cara Kerja Elastic Computing?

Secara sederhana, elastic computing bekerja dengan menyesuaikan supply resource terhadap demand workload.

Prosesnya dapat digambarkan sebagai berikut:
Beban kerja meningkat → sistem mendeteksi perubahan → resource ditambahkan → aplikasi menangani workload lebih besar → beban kerja menurun → resource dikurangi kembali.

Pada implementasi otomatis, proses tersebut biasanya melibatkan beberapa komponen seperti monitoring, scaling policy, autoscaling mechanism, dan resource cloud.

1. Monitoring Beban Kerja

Sistem terlebih dahulu memantau kondisi workload menggunakan metrik tertentu. Beberapa metrik yang dapat digunakan antara lain:

CPU utilization
Memory utilization
Jumlah request
Network traffic
Response time
Queue length
Jumlah pengguna aktif

Metrik tersebut digunakan untuk mengetahui apakah aplikasi membutuhkan resource tambahan atau justru memiliki kapasitas yang berlebihan.

2. Menentukan Scaling Policy

Setelah metrik tersedia, administrator atau engineer dapat menentukan aturan scaling, Misalnya “Jika rata-rata penggunaan CPU melebihi 70% selama beberapa menit, tambahkan instance baru” atau “Jika penggunaan CPU turun di bawah 30%, kurangi jumlah instance”. Aturan tersebut dapat disesuaikan dengan karakteristik aplikasi.

3. Menambah Resource

Ketika workload meningkat dan memenuhi kondisi yang ditentukan, sistem dapat menambahkan resource. Penambahan tersebut dapat berupa:

Menambah jumlah virtual machine.
Menambah container.
Meningkatkan kapasitas CPU.
Menambah memory.
Menambah kapasitas storage.
Menambah instance aplikasi.

4. Mengurangi Resource

Elastic computing tidak hanya berarti menambah kapasitas. Bagian penting dari elasticity adalah scale down atau pengurangan resource ketika kapasitas tambahan sudah tidak diperlukan. Hal ini penting karena mempertahankan resource berlebih dapat meningkatkan biaya cloud. AWS juga merekomendasikan agar workload menggunakan scaling dinamis untuk menghindari kapasitas yang terlalu besar maupun terlalu kecil.

5. Evaluasi dan Penyesuaian

Scaling policy perlu dievaluasi secara berkala. Jika sistem terlalu cepat melakukan scaling, biaya dapat meningkat. Sebaliknya, jika scaling terlambat, aplikasi dapat mengalami penurunan performa ketika workload meningkat. Karena itu, elastic computing membutuhkan konfigurasi dan pengujian yang sesuai dengan karakteristik workload.

Jenis Elastic Computing

Elastic computing dapat dilakukan melalui beberapa pendekatan. Dua pendekatan yang umum adalah horizontal elasticity dan vertical elasticity.

1. Horizontal Scaling

Horizontal scaling atau scale out/scale in dilakukan dengan menambah atau mengurangi jumlah mesin atau instance.

Contohnya, sebuah aplikasi awalnya menggunakan 2 server. Ketika trafik meningkat, sistem menambah menjadi 5 server. Ketika trafik kembali turun, jumlah server dapat dikurangi menjadi 2 atau jumlah minimum yang telah ditentukan. Pendekatan ini banyak digunakan pada aplikasi yang dapat berjalan secara terdistribusi di beberapa instance.

2. Vertical Scaling

Vertical scaling atau scale up/scale down dilakukan dengan menambah atau mengurangi resource pada satu mesin. Misalnya, sebuah virtual machine awalnya memiliki:

2 vCPU
4 GB RAM

Kemudian resource tersebut ditingkatkan menjadi:

4 vCPU
8 GB RAM

Ketika kebutuhan menurun, resource dapat dikurangi kembali jika layanan cloud dan arsitekturnya mendukung.

Perbandingan Horizontal dan Vertical Scaling

Aspek	Horizontal Scaling	Vertical Scaling
Cara kerja	Menambah atau mengurangi jumlah instance	Menambah atau mengurangi kapasitas satu instance
Istilah	Scale out / scale in	Scale up / scale down
Resource	Jumlah server atau instance	CPU, RAM, atau resource mesin
Cocok untuk	Aplikasi terdistribusi	Workload yang membutuhkan mesin lebih besar
Kompleksitas	Membutuhkan aplikasi yang mendukung beberapa instance	Relatif lebih sederhana pada workload tertentu
Contoh	2 server menjadi 5 server	4 GB RAM menjadi 8 GB RAM

Pemilihan metode scaling bergantung pada arsitektur aplikasi, karakteristik workload, dan kemampuan layanan cloud yang digunakan.

Perbedaan Elastic Computing dan Scalability

Elasticity dan scalability sering digunakan secara bergantian, padahal keduanya memiliki konsep yang berbeda. Scalability menggambarkan kemampuan sistem untuk menangani peningkatan workload dengan menambah kapasitas. Sementara elasticity lebih menekankan kemampuan sistem untuk secara dinamis menyesuaikan resource terhadap perubahan workload, termasuk menambah dan mengurangi resource. Perbedaannya dapat dilihat pada tabel berikut.

Aspek	Elasticity	Scalability
Fokus	Penyesuaian resource terhadap perubahan demand	Kemampuan menangani pertumbuhan workload
Sifat	Dinamis	Dapat bersifat terencana maupun dinamis
Scale down	Bagian penting dari elasticity	Tidak selalu menjadi fokus utama
Otomatisasi	Umumnya menggunakan otomatisasi	Tidak selalu otomatis
Tujuan	Menyesuaikan kapasitas dengan kebutuhan saat ini	Memastikan sistem mampu menangani pertumbuhan
Contoh	Server otomatis bertambah saat trafik naik dan berkurang saat trafik turun	Infrastruktur diperbesar untuk mendukung pertumbuhan jumlah pengguna

Contoh Elastic Computing

Elastic computing dapat diterapkan pada berbagai jenis workload.

1. Website E-Commerce

Website e-commerce biasanya mengalami perubahan trafik yang cukup besar. Saat promosi berlangsung, jumlah pengunjung dapat meningkat secara drastis. Sistem elastic computing dapat menambah instance aplikasi untuk menangani trafik tersebut. Setelah promosi selesai dan jumlah pengunjung kembali normal, instance tambahan dapat dikurangi.

2. Aplikasi Streaming

Platform streaming dapat mengalami perubahan jumlah pengguna berdasarkan waktu dan jenis konten yang sedang populer. Ketika permintaan meningkat, kapasitas komputasi dapat ditingkatkan untuk membantu mempertahankan performa layanan.

3. Aplikasi dengan Trafik Tidak Stabil

Aplikasi yang jumlah penggunanya sulit diprediksi dapat memperoleh manfaat besar dari elasticity. Daripada menyediakan kapasitas maksimum sepanjang waktu, perusahaan dapat menggunakan kapasitas yang lebih fleksibel dan menyesuaikannya dengan kebutuhan.

4. Data Processing

Pekerjaan pemrosesan data terkadang memiliki workload yang bersifat periodik. Misalnya, perusahaan perlu memproses data dalam jumlah besar setiap malam. Resource komputasi dapat ditingkatkan selama proses berlangsung dan dikurangi setelah pekerjaan selesai.

5. Aplikasi Berbasis Serverless

Beberapa layanan serverless memiliki kemampuan scaling yang sudah terintegrasi. AWS, misalnya, menjelaskan bahwa AWS Lambda memiliki elastic scalability sehingga kapasitas eksekusi dapat menyesuaikan jumlah request secara otomatis.

Manfaat Elastic Computing

Penerapan elastic computing dapat memberikan berbagai keuntungan bagi organisasi.

1. Mengoptimalkan Biaya

Salah satu manfaat utama elasticity adalah penggunaan resource yang lebih sesuai dengan kebutuhan. Perusahaan tidak harus mempertahankan kapasitas besar ketika workload sedang rendah. Ketika menggunakan model cloud dengan pembayaran berdasarkan penggunaan, pengurangan resource yang tidak diperlukan dapat membantu mengurangi pengeluaran. Namun, elasticity bukan berarti biaya cloud otomatis selalu rendah. Konfigurasi scaling yang tidak tepat tetap dapat menyebabkan penggunaan resource berlebihan.

2. Menjaga Performa Aplikasi

Ketika trafik meningkat, resource tambahan dapat membantu aplikasi mempertahankan kapasitas pemrosesan. Hal ini penting untuk aplikasi yang harus tetap responsif ketika jumlah pengguna meningkat secara tiba-tiba.

3. Mengurangi Risiko Over-Provisioning

Over-provisioning terjadi ketika organisasi menyediakan resource jauh lebih besar daripada kebutuhan sebenarnya. Elastic computing membantu mengurangi kondisi tersebut karena kapasitas dapat disesuaikan berdasarkan kebutuhan workload.

4. Meningkatkan Fleksibilitas Infrastruktur

Perusahaan dapat lebih mudah menghadapi perubahan kebutuhan bisnis. Ketika aplikasi berkembang, kapasitas dapat ditingkatkan. Ketika workload berkurang, kapasitas dapat diturunkan kembali.

5. Mengurangi Pengelolaan Manual

Dengan autoscaling, proses penambahan dan pengurangan resource dapat dilakukan berdasarkan aturan yang telah ditentukan. Hal ini mengurangi kebutuhan engineer untuk terus melakukan scaling secara manual.

6. Mendukung High Availability

Elasticity dapat membantu mempertahankan ketersediaan aplikasi ketika workload mengalami lonjakan, terutama jika scaling dikombinasikan dengan load balancing dan arsitektur yang memiliki redundansi. Google Cloud juga mencontohkan penggunaan managed instance groups, autoscaler, dan load balancer sebagai bagian dari pembangunan sistem yang dapat beradaptasi terhadap perubahan workload.

Tantangan Elastic Computing

Meskipun memberikan banyak keuntungan, elastic computing bukan berarti tanpa tantangan.

1. Konfigurasi Autoscaling yang Tidak Tepat

Jika threshold terlalu rendah, sistem dapat terlalu sering melakukan scaling. Sebaliknya, jika threshold terlalu tinggi, scaling mungkin terlambat dilakukan. Keduanya dapat memberikan dampak terhadap biaya maupun performa.

2. Biaya Cloud Tetap Perlu Dikontrol

Resource yang dapat bertambah secara otomatis juga berpotensi menyebabkan tagihan meningkat jika scaling tidak memiliki batas yang jelas. Karena itu, konfigurasi minimum dan maksimum instance serta monitoring biaya tetap diperlukan.

3. Tidak Semua Aplikasi Mudah Di-scale

Beberapa aplikasi memiliki ketergantungan terhadap state, session, database, lisensi, atau proses inisialisasi yang membuat scaling lebih kompleks. Pentingnya mengidentifikasi batasan aplikasi seperti session, waktu inisialisasi, dan licensing sebelum menerapkan elasticity.

4. Waktu Provisioning

Tidak semua resource dapat tersedia secara instan. Jika proses pembuatan instance membutuhkan waktu cukup lama, sistem mungkin terlambat merespons lonjakan trafik yang terjadi secara tiba-tiba. Karena itu, aplikasi tertentu mungkin perlu mempertahankan kapasitas minimum sebagai cadangan.

5. Pengujian Diperlukan

Elasticity harus diuji dalam kondisi scale up maupun scale down. Tujuannya untuk memastikan aplikasi tetap berjalan dengan baik ketika resource bertambah maupun ketika kapasitas dikurangi.

Elastic Computing vs Infrastruktur Tradisional

Perbedaan pendekatan elastic computing dengan infrastruktur tradisional dapat dilihat berikut ini.

Aspek	Elastic Computing	Infrastruktur Tradisional
Penyediaan resource	Dinamis	Umumnya statis
Penyesuaian kapasitas	Dapat otomatis	Sering membutuhkan intervensi manual
Penanganan lonjakan trafik	Resource dapat ditambah	Bergantung pada kapasitas hardware yang tersedia
Pengurangan kapasitas	Dapat dilakukan ketika kebutuhan turun	Hardware tetap tersedia
Investasi hardware	Tidak selalu membutuhkan pembelian hardware sendiri	Membutuhkan pengadaan hardware
Fleksibilitas	Tinggi	Relatif lebih terbatas
Cocok untuk	Workload yang berubah-ubah	Workload yang relatif stabil

Perbedaan ini menjadi salah satu alasan elasticity banyak digunakan dalam arsitektur cloud modern.

Teknologi yang Mendukung Elastic Computing

Elastic computing biasanya tidak berdiri sendiri. Beberapa teknologi dapat digunakan untuk mendukung implementasinya.

Autoscaling

Autoscaling merupakan mekanisme untuk menambah atau mengurangi resource secara otomatis berdasarkan kondisi atau metrik tertentu. Contohnya adalah mekanisme auto scaling untuk virtual machine, container, maupun layanan aplikasi.

Load Balancer

Load balancer membantu mendistribusikan trafik ke beberapa instance aplikasi. Dengan demikian, ketika jumlah instance bertambah, trafik dapat didistribusikan ke resource yang tersedia.

Container

Container dapat membantu aplikasi berjalan secara konsisten pada berbagai environment dan mendukung arsitektur yang dapat diperbanyak ketika workload meningkat.

Kubernetes

Kubernetes menyediakan berbagai mekanisme scaling untuk workload berbasis container, termasuk kemampuan menyesuaikan jumlah pod berdasarkan kondisi tertentu.

Serverless

Pada arsitektur serverless, sebagian pengelolaan infrastruktur dan scaling ditangani oleh penyedia cloud. Model ini dapat mengurangi kebutuhan pengelolaan server secara langsung, meskipun tetap membutuhkan perhatian terhadap konfigurasi, limit, performa, dan biaya.

Cara Menerapkan Elastic Computing

Penerapan elastic computing sebaiknya tidak hanya berfokus pada penambahan resource. Sistem harus dirancang agar mampu melakukan scaling secara tepat dan aman. Beberapa langkah yang dapat dilakukan antara lain:

1. Identifikasi Workload yang Berubah

Cari workload yang memiliki pola penggunaan tidak stabil atau mengalami lonjakan pada waktu tertentu. Tidak semua aplikasi membutuhkan elasticity dengan tingkat yang sama.

2. Tentukan Metrik Scaling

Pilih metrik yang relevan dengan aplikasi. Misalnya CPU utilization untuk aplikasi tertentu, tetapi queue length atau jumlah request mungkin lebih relevan untuk workload lainnya.

3. Tentukan Batas Minimum dan Maksimum

Tentukan kapasitas minimum yang harus selalu tersedia serta kapasitas maksimum yang boleh digunakan. Langkah ini membantu menjaga keseimbangan antara performa dan biaya.

4. Gunakan Autoscaling

Jika memungkinkan, gunakan fitur autoscaling dari platform cloud yang digunakan.

5. Integrasikan dengan Load Balancer

Untuk aplikasi yang menggunakan banyak instance, load balancer dapat membantu mendistribusikan trafik ke resource yang tersedia.

6. Monitor Performa dan Biaya

Setelah elasticity diterapkan, lakukan monitoring terhadap:

CPU dan memory.
Jumlah instance.
Response time.
Error rate.
Trafik.
Penggunaan resource.
Biaya cloud.

Monitoring diperlukan agar organisasi dapat mengetahui apakah scaling berjalan sesuai tujuan.

7. Lakukan Pengujian

Uji kondisi normal, lonjakan trafik, dan penurunan workload. Pastikan sistem dapat melakukan scale out maupun scale in tanpa menyebabkan gangguan terhadap aplikasi.

Best Practice Elastic Computing

Agar elastic computing dapat memberikan hasil optimal, beberapa praktik yang dapat diterapkan antara lain:

Gunakan autoscaling berdasarkan metrik yang relevan.
Tentukan batas minimum dan maksimum resource.
Hindari scaling hanya berdasarkan satu metrik jika tidak cukup merepresentasikan workload.
Gunakan load balancing pada aplikasi yang berjalan di beberapa instance.
Pastikan aplikasi mendukung pola scaling yang digunakan.
Uji proses scale up dan scale down.
Monitor biaya cloud secara berkala.
Identifikasi resource yang tidak lagi dibutuhkan.
Gunakan automation untuk mengurangi pekerjaan manual.
Evaluasi scaling policy berdasarkan pola penggunaan aktual.

AWS juga merekomendasikan pengujian elasticity baik ketika kapasitas meningkat maupun ketika kapasitas dikurangi untuk memastikan workload tetap memenuhi kebutuhan performa dan efisiensi.

Kapan Sebaiknya Menggunakan Elastic Computing?

Elastic computing sangat cocok untuk aplikasi atau workload yang memiliki perubahan kebutuhan resource. Beberapa kondisi yang cocok antara lain:

Kondisi	Alasan
Trafik website tidak stabil	Kapasitas dapat mengikuti perubahan jumlah pengunjung
Aplikasi e-commerce	Dapat menghadapi lonjakan trafik saat promo
Aplikasi dengan pengguna musiman	Resource dapat ditingkatkan pada periode tertentu
Data processing berkala	Kapasitas dapat ditingkatkan saat proses berjalan
Aplikasi dengan pertumbuhan cepat	Infrastruktur dapat mengikuti perkembangan workload
Workload yang sulit diprediksi	Resource dapat disesuaikan secara dinamis
Aplikasi 24/7 dengan pola trafik berubah	Membantu menghindari kapasitas berlebih saat trafik rendah

Sebaliknya, jika workload sangat stabil dan kebutuhan resource hampir tidak berubah, penerapan elasticity yang kompleks mungkin tidak memberikan manfaat yang signifikan.

Contoh Sederhana Elastic Computing

Bayangkan sebuah toko online menggunakan dua server untuk menjalankan website. Pada hari biasa, dua server sudah cukup untuk menangani pengunjung.

Kemudian perusahaan mengadakan promo besar. Jumlah pengunjung meningkat beberapa kali lipat sehingga penggunaan CPU server ikut meningkat. Sistem autoscaling mendeteksi kondisi tersebut dan menambahkan tiga server baru. Dengan demikian, aplikasi kini berjalan menggunakan lima server.

Setelah promo berakhir, jumlah pengunjung kembali normal. Sistem kemudian mengurangi server tambahan sehingga hanya dua server yang tetap berjalan. Secara sederhana:

Hari biasa → 2 server
Promo berlangsung → 5 server
Promo selesai → 2 server

Inilah gambaran sederhana bagaimana elastic computing bekerja. Resource mengikuti kebutuhan sehingga perusahaan tidak harus menyediakan lima server sepanjang waktu.

Apakah Elastic Computing Sama dengan Autoscaling?

Elastic computing dan autoscaling berkaitan erat, tetapi bukan istilah yang sepenuhnya sama. Elastic computing adalah konsep atau kemampuan sistem untuk menyesuaikan resource dengan perubahan workload, sedangkan autoscaling adalah salah satu mekanisme yang dapat digunakan untuk mewujudkan kemampuan tersebut secara otomatis.

Dengan kata lain, autoscaling dapat menjadi bagian dari implementasi elastic computing. Contohnya, aplikasi menggunakan autoscaling untuk menambah instance ketika CPU mencapai threshold tertentu dan mengurangi instance ketika workload kembali turun.

Hubungan Elastic Computing dengan FinOps

Elastic computing juga memiliki hubungan dengan FinOps, terutama dalam pengelolaan biaya cloud. Resource yang dapat bertambah dan berkurang secara dinamis memberikan peluang untuk menggunakan kapasitas secara lebih efisien. Namun, scaling otomatis yang tidak dikontrol juga dapat meningkatkan pengeluaran. Karena itu, organisasi perlu menggabungkan elasticity dengan praktik pengelolaan biaya cloud. Misalnya:

Menentukan batas maksimum resource.
Memantau biaya berdasarkan workload.
Mengidentifikasi resource yang tidak diperlukan.
Menggunakan forecasting.
Mengevaluasi biaya per transaksi atau pengguna.
Mengoptimalkan scaling policy.

Dengan pendekatan tersebut, elastic computing tidak hanya membantu menjaga performa aplikasi, tetapi juga mendukung efisiensi penggunaan cloud.

Kesimpulan

Elastic computing adalah kemampuan sistem cloud untuk menyesuaikan kapasitas resource secara dinamis berdasarkan perubahan workload. Ketika kebutuhan meningkat, resource dapat ditambahkan, sedangkan ketika kebutuhan menurun, kapasitas dapat dikurangi kembali.

Konsep ini berbeda dengan scalability meskipun keduanya saling berkaitan. Scalability lebih menekankan kemampuan sistem untuk menangani pertumbuhan workload, sedangkan elasticity menekankan kemampuan menyesuaikan kapasitas secara dinamis, termasuk scale up dan scale down.

Dengan dukungan autoscaling, load balancer, container, Kubernetes, maupun serverless, elastic computing dapat membantu organisasi menjaga performa aplikasi, mengurangi over-provisioning, meningkatkan fleksibilitas infrastruktur, serta menggunakan resource cloud secara lebih efisien.

Bagi Anda yang ingin mempelajari lebih banyak tentang cloud computing, hosting, server, DevOps, cybersecurity, dan perkembangan teknologi digital lainnya, Blog Hosteko dapat menjadi sumber informasi yang relevan dan mudah dipahami. Hosteko juga menyediakan layanan domain dan hosting untuk mendukung kebutuhan website dan infrastruktur digital.