Utilisez des modèles historiques pour faire évoluer les services Amazon ECS grâce à une mise à l'échelle prédictive - Amazon Elastic Container Service
Vue d'ensemble du dimensionnement prédictif

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Utilisez des modèles historiques pour faire évoluer les services Amazon ECS grâce à une mise à l'échelle prédictive

La mise à l'échelle prédictive examine les données de charge passées issues des flux de trafic afin d'analyser les tendances quotidiennes ou hebdomadaires. Il utilise ensuite cette analyse pour anticiper les besoins futurs et augmenter de manière proactive les tâches de votre service en fonction des besoins.

La mise à l'échelle automatique prédictive est particulièrement utile dans les situations suivantes.

  • Trafic cyclique ‐ Utilisation accrue des ressources pendant les heures normales de bureau et diminution de l'utilisation des ressources le soir et le week-end.

  • Modèles on-and-off de charge de travail récurrents ‐ Les exemples incluent le traitement par lots, les tests ou l'analyse périodique des données.

  • Applications dont les temps d'initialisation sont longs ‐ Cela peut avoir un impact sur les performances des applications lors d'événements de scale-out, entraînant une latence notable.

Si l'initialisation de vos applications prend du temps et que le trafic augmente régulièrement, vous devriez envisager d'utiliser un dimensionnement prédictif. Il vous aide à évoluer plus rapidement en augmentant de manière proactive le nombre de tâches pour les charges prévues, au lieu d'utiliser des politiques de dimensionnement dynamiques, telles que le suivi des cibles ou le dimensionnement par étapes uniquement. En vous aidant à éviter la possibilité de surprovisionner le nombre de tâches, la mise à l'échelle prédictive peut également vous faire économiser de l'argent.

Prenons l'exemple d'une application très utilisée pendant les heures de bureau et peu utilisée la nuit. Au début de chaque jour ouvrable, la mise à l'échelle prédictive permet d'étendre les tâches avant le premier afflux de trafic. Cela permet à votre application de maintenir une disponibilité et des performances élevées lorsqu'elle passe d'une période de faible utilisation à une période d'utilisation plus intensive. Vous n'avez pas besoin d'attendre que la mise à l'échelle dynamique réagisse à l'évolution du trafic. Vous n'avez pas non plus à perdre du temps à examiner les modèles de charge de votre application et à essayer de planifier le bon nombre de tâches à l'aide d'un dimensionnement planifié.

La mise à l'échelle prédictive est une fonctionnalité de niveau service qui permet d'adapter la tâche de votre service indépendamment de la mise à l'échelle de la capacité de calcul sous-jacente (par exemple, ou EC2 Fargate). Pour Fargate AWS , gère et adapte automatiquement la capacité sous-jacente en fonction des exigences des tâches. Pour ce qui est de la EC2 capacité, vous pouvez utiliser les fournisseurs de capacité du groupe Auto Scaling pour dimensionner automatiquement les EC2 instances sous-jacentes en fonction des exigences de dimensionnement de vos tâches.

Table des matières

Comment fonctionne le dimensionnement prédictif dans Amazon ECS

Vous trouverez ici des informations sur les considérations relatives à l'utilisation de la mise à l'échelle prédictive, son fonctionnement et ses limites.

Considérations relatives à l'utilisation du dimensionnement prédictif

  • Vous devez vous assurer que la mise à l'échelle prédictive est adaptée à votre charge de travail. Vous pouvez vérifier cela en configurant les politiques de dimensionnement en mode prévisions uniquement et en consultant les recommandations de la console. Vous devez évaluer les prévisions et les recommandations avant de commencer à utiliser le dimensionnement prédictif.

  • Avant que la mise à l'échelle prédictive puisse commencer à prévoir, elle a besoin d'au moins 24 heures de données historiques. Plus les données historiques sont disponibles, plus les prévisions sont efficaces, l'idéal étant de deux semaines. Vous devrez également attendre 24 heures avant que le dimensionnement prédictif puisse générer de nouvelles prévisions lorsque vous supprimez un service Amazon ECS pour en créer un nouveau. L'un des moyens d'accélérer ce processus consiste à utiliser des métriques personnalisées pour agréger les métriques entre l'ancien et le nouveau service Amazon ECS.

  • Choisissez une métrique de charge qui représente avec précision la charge complète de votre application et qui constitue l'aspect le plus important de votre application à prendre en compte.

  • La mise à l'échelle dynamique associée à la mise à l'échelle prédictive vous aide à suivre de près la demande pour votre application, afin que vous puissiez évoluer pendant les périodes d'accalmie et augmenter votre capacité en cas d'augmentation imprévue du trafic. Lorsque plusieurs politiques de dimensionnement sont actives, chaque stratégie détermine le nombre de tâches souhaité indépendamment, et le nombre de tâches souhaité est défini au maximum de celles-ci.

  • Vous pouvez utiliser le dimensionnement prédictif parallèlement à vos politiques de dimensionnement dynamiques, telles que le suivi des cibles ou le dimensionnement par étapes, afin que vos applications évoluent en fonction de modèles historiques et en temps réel. En soi, la mise à l'échelle prédictive ne permet pas d'étendre vos tâches.

  • Si vous utilisez un rôle personnalisé lorsque vous appelez l'register-scalable-targetAPI, un message d'erreur peut s'afficher indiquant que la politique de dimensionnement prédictif ne peut fonctionner que si le SLR est activé. Dans ce cas, vous devez appeler register-scalable-target à nouveau, mais sans role-arn. Utilisez le SLR lors de l'enregistrement de la cible évolutive et appelez l'put-scaling-policyAPI.

Fonctionnement de la mise à l'échelle prédictive

Vous utilisez la mise à l'échelle prédictive en créant une politique de mise à l'échelle prédictive qui spécifie la CloudWatch métrique à surveiller et à analyser. La mise à l'échelle prédictive doit disposer d'au moins 24 heures de données pour commencer à prévoir les valeurs futures.

Une fois que vous avez créé la politique, le dimensionnement prédictif commence à analyser les données métriques des 14 derniers jours afin d'identifier des modèles. Cette analyse est utilisée pour générer des prévisions horaires des besoins pour les 48 prochaines heures. Les dernières CloudWatch données sont utilisées pour mettre à jour les prévisions toutes les six heures. À mesure que de nouvelles données arrivent, la mise à l'échelle prédictive améliore continuellement la précision des prévisions futures.

Lorsque vous activez la mise à l'échelle prédictive pour la première fois, elle s'exécute en mode prévision uniquement. Il génère des prévisions dans ce mode, mais il n'adapte pas votre service Amazon ECS en fonction de ces prévisions. Cela signifie que vous pouvez évaluer la précision et la pertinence des prévisions. Vous pouvez consulter les données de prévision à l'aide de l'opération GetPredictiveScalingForecast API ou du AWS Management Console.

Lorsque vous décidez de commencer à utiliser le dimensionnement prédictif, passez la politique de dimensionnement en mode prévision et échelle. Ce qui suit se produit dans ce mode.

Votre service Amazon ECS est redimensionné au début de chaque heure en fonction des prévisions pour cette heure, par défaut. Vous pouvez choisir de commencer plus tôt en utilisant la SchedulingBufferTime propriété dans l'opération PutScalingPolicy d'API. Cela permet de lancer de nouvelles tâches avant la demande prévue et leur donne le temps de démarrer et de se préparer à gérer le trafic.

Limite maximale de tâches

Lorsque vous enregistrez les services Amazon ECS pour le dimensionnement, vous définissez un nombre maximum de tâches pouvant être lancées par service. Par défaut, lorsque des politiques de dimensionnement sont définies, elles ne peuvent pas augmenter le nombre de tâches au-delà de sa limite maximale.

Vous pouvez également autoriser l'augmentation automatique du nombre maximum de tâches du service si les prévisions approchent ou dépassent le nombre maximum de tâches du service Amazon ECS.

Avertissement

Soyez prudent lorsque vous autorisez l'augmentation automatique du nombre maximum de tâches. Cela peut entraîner le lancement d'un plus grand nombre de tâches que prévu, si le nombre maximum de tâches augmenté n'est pas surveillé et géré. Le nombre maximum de tâches augmenté devient alors le nouveau nombre maximum normal de tâches pour le service Amazon ECS jusqu'à ce que vous le mettiez à jour manuellement. Le nombre maximum de tâches ne revient pas automatiquement au maximum initial.

Régions prises en charge

  • USA Est (Virginie du Nord)

  • USA Est (Ohio)

  • USA Ouest (Californie du Nord)

  • USA Ouest (Oregon)

  • Afrique (Le Cap)

  • Asie-Pacifique (Hong Kong)

  • Asie-Pacifique (Jakarta)

  • Asie-Pacifique (Mumbai)

  • Asie-Pacifique (Osaka)

  • Asia Pacific (Seoul)

  • Asie-Pacifique (Singapour)

  • Asie-Pacifique (Sydney)

  • Asie-Pacifique (Tokyo)

  • Canada (Centre)

  • Chine (Beijing)

  • China (Ningxia)

  • Europe (Francfort)

  • Europe (Irlande)

  • Europe (Londres)

  • Europe (Milan)

  • Europe (Paris)

  • Europe (Stockholm)

  • Moyen-Orient (Bahreïn)

  • Amérique du Sud (São Paulo)

  • AWS GovCloud (USA Est)

  • AWS GovCloud (US-Ouest)