云计算更大的优势就在于弹性。那这个弹性具体指哪些内容呢？
一、计算弹性
纵向的弹性，即单个服务器的配置变更。当您购买了云服务器或者存储的容量后，可以根据业务量的增长或者减少自由变更自己的配置。
横向的弹性。对于游戏应用或直播平台出现的高峰期，可以使用弹性的方式帮助客户度过这样的高峰。当业务高峰消失时，您可以将多余的资源释放掉，以减少业务成本的开支。利用横向的扩展和缩减，配合云计算的弹性伸缩，完全可以做到定时定量的伸缩，或者按照业务的负载进行伸缩。
二、存储弹性
当存储量增多时，对于传统的IDC方案，您只能不断去增加服务器，而这样扩展的服务器数量是有限的。在云计算模式下，将为您提供海量的存储，当您需要时可以直接购买，为存储提供更大保障。
三、网络弹性
云上的网络也具有非常大的灵活性。只要您购买了专有网络，那么所有的网络配置与线下IDC机房配置可以是完全相同的，并且可以拥有更多的可能性。可以实现各个机房之间的互联互通，各个机房之间的安全域隔离，对于专有网络内所有的网络配置和规划都会非常灵活。
总之，对于云计算的弹性而言，是计算的弹性、存储的弹性、网络的弹性以及对于业务架构重新规划的弹性。
接下来我们看些应用案例：
案例一
2009年，次淘宝双十一活动，每秒订单只有400笔，支付达到极限每秒200笔。 2015年淘宝双十一，每秒订单创建24万笔，支付达到了每秒18.59万笔。
每秒订单提升了350倍，支付能力提升了430倍。从后台来看，每年淘宝在双十一这个时候，后台服务器的数量都要比平时运维要多三到四倍。来保障双十一活动，双十一活动结束后，假如不做处理，这批机器的利用率将大大降低，直到次年的双十一活动。
案例二
2016年除夕之夜“咻一咻”抢红包，全民参与3245亿次，更高峰值每分钟210亿次。每秒3.5亿次峰值。当活动结束后，后台大量的服务器将会处于限制的状态。
如上述案例，这些闲置机器怎么处理，怎么回收，次年活动开始时，服务器如何分配，这是一个大问题。
还有其他场景，比如视频直播公司， 无法预估业务负载情况，需要根据CPU利用率，load、贷款利用率、自动线性伸缩。如游戏公司，每天中午12点，每天晚上6点到九点，这时候处于业务高峰期，需要定时扩容。
以上 案例都用到了弹性计算。
那什么是弹性伸缩呢？
阿里云对弹性伸缩的定义是：根据用户的业务需求和策略，自动调整其弹性计算资源的管理服务。其能够在业务增长时自动增加 ECS 实例，并在业务下降时自动减少 ECS 实例。
弹性伸缩产品特点：
随需应变——根据需求“恰到好处”的分配资源，无需担心需求预测的准确性，无需担心突增的业务变化
自动化——无需人工干预，自动创建和释放ESC实例。自动配置负载均衡SLB
伸缩模式丰富——多模式兼容，课同时配置定时、动态、自定义、健康模式。
智能——智能调节应对各种复杂场景，根据设定策略自动调整弹性资源。
伸缩模式：
● 定时模式，固定时间增加或减少ECS
● 动态模式 ，根据CPU、带宽、等资源使用率增加减少ECS
● 固定数量模式，手动添加
● 自定义模式。
● 多模式并行
阿里云的弹性伸缩方案
伸缩组创建
伸缩组是具有相同应用场景的ECS实例的集合，伸缩组定义了组内ECS实例数的更大值、最小值及其相关的SLB实例和RDS实例等属性。
弹性伸缩一定要搭配SLB、云监控、RDS才能使用吗？ 答案是否定的
冷却时间
移出策略
伸缩配置
创建
伸缩规则
创建
如果伸缩规则的执行会照成伸缩组的ECS实例数低于MinSIze或高于MaxSize时， 则ESS会自动调整需要加入或移除的ECS实例数，使之按照“将伸缩组的实例数调整到minSize”或调整到 MAXsize。
流程
定时任务
每个用户最多能创建20个定时任务。
自动扩展流程
弹性伸缩的限制条件
1、伸缩组内部署在ECS实例的应用必须无状态并且可横向扩展。
2、弹性伸缩会自动释放ECS实例，所以建议伸缩组内ECS实例不要保存应用状态信息和相关数据等信息，例如会话记录（Session）、数据库或者日志等。若有需要，可以保存状态信息到独立的状态云服务器ECS，保存数据库到云数据库RDS或者集中日志存储到日志服务。
3、弹性伸缩无法自动添加ECS实例到开放缓存Memcache实例访问白名单，需要您自行添加。
4、弹性伸缩无法纵向扩展。即弹性伸缩无法自动升降ECS实例的vCPU规格、内存和带宽等配置。
5、您能创建的伸缩组、伸缩配置、伸缩规则、ECS实例、定时任务有一定的限制数量。
云计算正加速成为一种新的IT资源提供方式， 按需所取、弹性分配的云计算方式也更加符合大多数企业的利益要求，企业将更加专注于自身核心竞争力的提升，摆脱维护IT底层信息技术的烦恼。随着人工智能、大数据及物联网等创新型应用在云计算基础上的爆发性发展，云计算的红利正在加速释放。
（以上文章转载于网络，如有雷同或侵权，请联系IID工作人员处理，谢谢！）
wendy 