Ajout d’une stratégie d’autoscaling à un cluster de bases de données Amazon Aurora

Vous pouvez ajouter une stratégie de mise à l’échelle à un cluster de bases de données Aurora à partir de l’AWS Management Console.

La boîte de dialogue suivante crée une stratégie Auto Scaling basée sur une utilisation moyenne de l’UC de 40 %. La stratégie indique un minimum de cinq réplicas Aurora et un maximum de 15.

La boîte de dialogue suivante crée une stratégie Auto Scaling basée sur un nombre moyen de connexions égal à 100. La stratégie indique un minimum de deux réplicas Aurora et un maximum de huit.

Vous pouvez appliquer une stratégie de mise à l’échelle basée sur une métrique prédéfinie ou personnalisée. Pour ce faire, vous pouvez utiliser l’AWS CLI ou l’API Application Auto Scaling. La première étape consiste à enregistrer votre cluster de bases de données Aurora dans Application Auto Scaling.

Enregistrement d’un cluster de bases de données Aurora

Avant d’utiliser Aurora Auto Scaling avec un cluster de bases de données Aurora, enregistrez votre cluster de bases de données Aurora dans Application Auto Scaling. Cette action permet de définir la dimension et les limites de la mise à l’échelle à appliquer à ce cluster. Application Auto Scaling met à l’échelle de façon dynamique le cluster de bases de données Aurora le long de la dimension évolutive rds:cluster:ReadReplicaCount, qui représente le nombre de réplicas Aurora.

Pour enregistrer votre cluster de bases de données Aurora, vous pouvez utiliser l’AWS CLI ou l’API Application Auto Scaling.

AWS CLI

Pour enregistrer votre cluster de bases de données Aurora, utilisez la commande de l’AWS CLI register-scalable-target avec les paramètres suivants :

aws application-autoscaling register-scalable-target \
    --service-namespace rds \
    --resource-id cluster:myscalablecluster \
    --scalable-dimension rds:cluster:ReadReplicaCount \
    --min-capacity 1 \
    --max-capacity 8 \
                    

aws application-autoscaling register-scalable-target ^
    --service-namespace rds ^
    --resource-id cluster:myscalablecluster ^
    --scalable-dimension rds:cluster:ReadReplicaCount ^
    --min-capacity 1 ^
    --max-capacity 8 ^
                   

API Application Auto Scaling

Pour enregistrer votre cluster de bases de données Aurora dans Application Auto Scaling, utilisez l’opération d’API Application Auto Scaling RegisterScalableTarget avec les paramètres suivants :

POST / HTTP/1.1
Host: autoscaling.us-east-2.amazonaws.com
Accept-Encoding: identity
Content-Length: 219
X-Amz-Target: AnyScaleFrontendService.RegisterScalableTarget
X-Amz-Date: 20160506T182145Z
User-Agent: aws-cli/1.10.23 Python/2.7.11 Darwin/15.4.0 botocore/1.4.8
Content-Type: application/x-amz-json-1.1
Authorization: AUTHPARAMS

{
    "ServiceNamespace": "rds",
    "ResourceId": "cluster:myscalablecluster",
    "ScalableDimension": "rds:cluster:ReadReplicaCount",
    "MinCapacity": 1,
    "MaxCapacity": 8
}

Définition d’une stratégie de dimensionnement pour un cluster de bases de données Aurora

Une configuration de stratégie de mise à l’échelle Suivi de la cible est représentée par un bloc JSON dans lequel sont définies les métriques et valeurs cibles. Vous pouvez enregistrer une configuration de stratégie de mise à l’échelle sous forme de bloc JSON dans un fichier texte. Vous utilisez ce fichier texte lors de l’appel de l’AWS CLI ou de l’API Application Auto Scaling. Pour plus d’informations sur la syntaxe de la configuration d’une stratégie, consultez TargetTrackingScalingPolicyConfiguration dans le manuel Référence d’API Application Auto Scaling.

Les options suivantes sont disponibles pour définir une configuration de stratégie de dimensionnement Suivi de la cible.

Utilisation d’une métrique prédéfinie

L’utilisation de métriques prédéfinies vous permet de définir rapidement une stratégie de mise à l’échelle de suivi de la cible pour un cluster de bases de données Aurora qui fonctionne aussi bien avec la mise à l’échelle de suivi de la cible qu’avec la mise à l’échelle dynamique dans Aurora Auto Scaling.

Pour l’heure, les métriques prédéfinies d’Aurora Auto Scaling prises en charge par Aurora sont les suivantes :

Pour plus d’informations sur les métriques CPUUtilization et DatabaseConnections, consultez CloudWatch Métriques Amazon pour Amazon Aurora.

Pour utiliser une métrique prédéfinie dans votre stratégie de mise à l’échelle, créez une configuration de suivi de la cible pour votre politique de dimensionnement. Cette configuration doit inclure PredefinedMetricSpecification pour la métrique prédéfinie et TargetValue pour la valeur cible de cette métrique.

{
    "TargetValue": 40.0,
    "PredefinedMetricSpecification":
    {
        "PredefinedMetricType": "RDSReaderAverageCPUUtilization"
    }
}

Utilisation d’une métrique personnalisée

L’utilisation de métriques personnalisées vous permet de définir une stratégie de dimensionnement Suivi de la cible répondant à vos exigences personnelles. Vous pouvez définir une métrique personnalisée en fonction d’une métrique Aurora qui évolue proportionnellement à la mise à l’échelle.

Toutes les métriques Aurora ne fonctionnent pas pour le suivi de la cible. La métrique doit être une métrique d’utilisation valide et décrire le degré d’occupation d’une instance. La valeur de la métrique doit augmenter ou diminuer proportionnellement au nombre de réplicas Aurora dans le cluster de bases de données Aurora. Cette augmentation ou diminution proportionnelle est nécessaire pour que les données de la métrique puissent être utilisées afin d’augmenter ou de réduire proportionnellement le nombre de réplicas Aurora.

{
    "TargetValue": 50,
    "CustomizedMetricSpecification":
    {
        "MetricName": "CPUUtilization",
        "Namespace": "AWS/RDS",
        "Dimensions": [
            {"Name": "DBClusterIdentifier","Value": "my-db-cluster"},
            {"Name": "Role","Value": "READER"}
        ],
        "Statistic": "Average",
        "Unit": "Percent"
    }
}

Utilisation des temps de stabilisation

Vous pouvez spécifier une valeur, en secondes, pour que ScaleOutCooldown ajoute un temps de stabilisation pour la montée en charge de votre cluster de bases de données Aurora. De la même manière, vous pouvez ajouter une valeur, en secondes, pour que ScaleInCooldown ajoute un temps de stabilisation pour la diminution en charge de votre cluster de bases de données Aurora. Pour plus d’informations sur ScaleInCooldown et ScaleOutCooldown, consultez TargetTrackingScalingPolicyConfiguration dans le manuel Référence d’API Application Auto Scaling.

{
    "TargetValue": 40.0,
    "PredefinedMetricSpecification":
    {
        "PredefinedMetricType": "RDSReaderAverageCPUUtilization"
    },
    "ScaleInCooldown": 600,
    "ScaleOutCooldown": 300
}

Désactivation de l’activité de diminution en charge

Vous pouvez empêcher la configuration de stratégie de dimensionnement Suivi de la cible de diminuer la taille de votre cluster de bases de données Aurora en désactivant l’activité de diminution en charge. La désactivation de l’activité de diminution en charge empêche la stratégie de dimensionnement de supprimer des réplicas Aurora, tout en autorisant encore la stratégie de dimensionnement à les créer si nécessaire.

Vous pouvez spécifier une valeur booléenne pour que DisableScaleIn active ou désactive l’activité de diminution en charge de votre cluster de bases de données Aurora. Pour plus d’informations sur DisableScaleIn, consultez TargetTrackingScalingPolicyConfiguration dans le manuel Référence d’API Application Auto Scaling.

{
    "TargetValue": 40.0,
    "PredefinedMetricSpecification":
    {
        "PredefinedMetricType": "RDSReaderAverageCPUUtilization"
    },
    "DisableScaleIn": true
}

Application d’une stratégie de dimensionnement à un cluster de bases de données Aurora

Après avoir enregistré votre cluster de bases de données Aurora dans Application Auto Scaling et défini une stratégie de mise à l’échelle, appliquez cette dernière au cluster de bases de données Aurora enregistré. Pour appliquer une stratégie de mise à l’échelle à un cluster de bases de données Aurora, vous pouvez utiliser l’AWS CLI ou l’API Application Auto Scaling.

aws application-autoscaling put-scaling-policy \
    --policy-name myscalablepolicy \
    --policy-type TargetTrackingScaling \
    --resource-id cluster:myscalablecluster \
    --service-namespace rds \
    --scalable-dimension rds:cluster:ReadReplicaCount \
    --target-tracking-scaling-policy-configuration file://config.json

aws application-autoscaling put-scaling-policy ^
    --policy-name myscalablepolicy ^
    --policy-type TargetTrackingScaling ^
    --resource-id cluster:myscalablecluster ^
    --service-namespace rds ^
    --scalable-dimension rds:cluster:ReadReplicaCount ^
    --target-tracking-scaling-policy-configuration file://config.json

POST / HTTP/1.1
Host: autoscaling.us-east-2.amazonaws.com
Accept-Encoding: identity
Content-Length: 219
X-Amz-Target: AnyScaleFrontendService.PutScalingPolicy
X-Amz-Date: 20160506T182145Z
User-Agent: aws-cli/1.10.23 Python/2.7.11 Darwin/15.4.0 botocore/1.4.8
Content-Type: application/x-amz-json-1.1
Authorization: AUTHPARAMS

{
    "PolicyName": "myscalablepolicy",
    "ServiceNamespace": "rds",
    "ResourceId": "cluster:myscalablecluster",
    "ScalableDimension": "rds:cluster:ReadReplicaCount",
    "PolicyType": "TargetTrackingScaling",
    "TargetTrackingScalingPolicyConfiguration": {
        "TargetValue": 40.0,
        "PredefinedMetricSpecification":
        {
            "PredefinedMetricType": "RDSReaderAverageCPUUtilization"
        }
    }
}