Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Schritt 4: Erstellen des Skalierungsplans

Überprüfen Sie auf der Seite Review and create (Überprüfen und erstellen) die Details zu Ihrem Skalierungsplan und wählen Sie Create scaling plan (Skalierungsplan erstellen) aus. Sie werden zu einer Seite weitergeleitet, auf der der Status Ihres Skalierungsplans angezeigt wird. Es kann eine Weile dauern, bis der Skalierungsplan fertig erstellt ist, während Ihre Ressourcen aktualisiert werden.

Bei der prädiktiven Skalierung wird der Verlauf der angegebenen Lastmetrik in den letzten 14 Tagen AWS Auto Scaling analysiert (Daten von mindestens 24 Stunden sind erforderlich), um eine Prognose für die nächsten zwei Tage zu erstellen. Anschließend werden Skalierungsaktionen geplant, um die Ressourcenkapazität an die Prognosen für die einzelnen Stunden im Prognosezeitraum anzupassen.

Nachdem der Skalierungsplan fertig erstellt wurde, überprüfen Sie die Details des Skalierungsplans, indem Sie seinen Namen im Bildschirm Scaling plans (Skalierungspläne) auswählen.

(Optional) Anzeigen von Skalierungsinformationen für eine Ressource

Verwenden Sie dieses Verfahrens, um die für eine Ressource erstellten Skalierungsinformationen anzuzeigen.

Die Daten werden folgendermaßen präsentiert:

Überwachen und Auswerten von Prognosen

Wenn Ihr Skalierungsplan eingerichtet ist und ausgeführt wird, können Sie die Lastprognose, die Kapazitätsprognose und die Skalierungsaktionen überwachen, um die Leistung der prädiktiven Skalierung zu überprüfen. All diese Daten sind in der AWS Auto Scaling Konsole für alle Amazon EC2 Auto Scaling Scaling-Gruppen verfügbar, die für vorausschauende Skalierung aktiviert sind. Denken Sie daran, dass für Ihren Skalierungsplan mindestens 24 Stunden an historischen Daten benötigt werden, um die anfängliche Prognose zu fällen.

Im folgenden Beispiel zeigt die linke Seite der einzelnen Diagramme ein historisches Muster. Die rechte Seite des Diagramms zeigt die Prognose, die vom Skalierungsplan für den Prognosezeitraum erstellt wurde. Es werden sowohl tatsächliche als auch prognostizierte Werte (blau und orange) dargestellt.

AWS Auto Scaling lernt automatisch aus Ihren Daten. Zuerst wird eine Lastprognose erstellt. Anschließend bestimmt eine Berechnung der Kapazitätsprognose die Mindestanzahl der Instances, die erforderlich ist, um die Anwendung zu unterstützen. Auf der Grundlage der Kapazitätsprognose werden Skalierungsaktionen AWS Auto Scaling geplant, mit denen die Amazon EC2 Auto Scaling Scaling-Gruppe vor vorhergesagten Laständerungen skaliert wird. Wenn dynamische Skalierung aktiviert ist (empfohlen), kann die Amazon EC2 Auto Scaling Scaling-Gruppe zusätzliche Kapazität auf der Grundlage der aktuellen Auslastung der Instance-Gruppe skalieren (oder Kapazität entfernen).

Wenn Sie die Leistung der prädiktiven Skalierung bewerten, überwachen Sie, wie stark die tatsächlichen und prognostizierten Werte im Laufe der Zeit übereinstimmen. Wenn Sie einen Skalierungsplan erstellen, AWS Auto Scaling stellt es Diagramme bereit, die auf den neuesten tatsächlichen Daten basieren. Außerdem wird die anfängliche Prognose für die nächsten 48 Stunden zur Verfügung gestellt. Nachdem der Skalierungsplan erstellt wurde, ist jedoch nur eine sehr geringe Menge an Prognosedaten für einen Vergleich mit den tatsächlichen Daten vorhanden. Warten Sie, bis der Skalierungsplan Prognosewerte für einige Zeiträume abgerufen hat, bevor Sie die historischen Prognosewerte mit den tatsächlichen Werte vergleichen. Nach einigen Tagen täglicher Prognosen verfügen Sie über einen größere Stichprobe von Prognosewerten für den Vergleich mit tatsächlichen Werten.

Für Mustern, die täglich auftreten, kann das Zeitintervall zwischen der Erstellung Ihres Skalierungsplans und der Bewertung der Wirksamkeit der Prognose nur ein paar Tage betragen. Eine solche Dauer ist für die Bewertung der Prognose basierend auf einer kürzlichen Musteränderung allerdings nicht ausreichend. Nehmen wir zum Beispiel an, Sie schauen sich die Prognose für eine Amazon EC2 Auto Scaling Scaling-Gruppe an, die in der vergangenen Woche eine neue Marketingkampagne gestartet hat. Die Kampagne erhöht den Webdatenverkehr für die gleichen zwei Wochentage deutlich. In solchen Situationen empfehlen wir, mit der Auswertung der Wirksamkeit der Prognose zu warten, bis die Gruppe eine oder zwei vollständige Wochen an neuen Daten erfasst hat. Die gleiche Empfehlung gilt für eine brandneue Amazon EC2 Auto Scaling Scaling-Gruppe, die gerade erst mit der Erfassung von Metrikdaten begonnen hat.

Wenn die über einen geeigneten Zeitraum hinweg überwachten tatsächlichen und prognostizierten Werte nicht übereinstimmen, sollten Sie auch die von Ihnen ausgewählte Lastmetrik in Betracht ziehen. Um effektiv zu sein, muss die Lastmetrik ein zuverlässiges und genaues Maß für die Gesamtlast aller Instances in der Amazon EC2 Auto Scaling Scaling-Gruppe darstellen. Die Lastmetrik steht im Mittelpunkt der prädiktiven Skalierung. Wenn Sie eine nicht optimale Lastmetrik wählen, kann dies verhindern, dass Predictive Scaling genaue Last- und Kapazitätsprognosen erstellt und die richtigen Kapazitätsanpassungen für Ihre Amazon EC2 Auto Scaling Scaling-Gruppe plant.