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.
# Ajout de réplicas Aurora à un cluster de bases de données
Un cluster de bases de données Aurora utilisant la réplication se compose d’une instance de base de données principale et de 15 réplicas Aurora, au maximum. L’instance de base de données principale prend en charge les opérations de lecture et d’écriture, et effectue toutes les modifications de données du volume de cluster. Les réplicas Aurora se connectent au même volume de stockage que l’instance de base de données principale, mais prennent uniquement en charge les opérations de lecture. Utilisez des réplicas Aurora pour décharger l’instance de base de données principale des charges de travail en lecture. Pour plus d’informations, consultez [Réplicas Aurora](Aurora.Replication.md#Aurora.Replication.Replicas).
Les réplicas Amazon Aurora ont les limitations suivantes :
+ Vous ne pouvez pas créer de réplica Aurora pour un cluster de bases de données Aurora Serverless v1. Aurora Serverless v1 a une seule instance de base de données dont l’échelle augmente et diminue automatiquement pour prendre en charge toutes les opérations de lecture et d’écriture de base de données.
Toutefois, vous pouvez ajouter des instances de lecteur aux clusters de bases de données Aurora Serverless v2. Pour plus d’informations, consultez [Ajout d’un lecteur Aurora Serverless v2](aurora-serverless-v2-administration.md#aurora-serverless-v2-adding-reader).
Nous vous recommandons de répartir l’instance principale et les réplicas Aurora de votre cluster de bases de données Aurora sur plusieurs zones de disponibilité afin d’améliorer la disponibilité de votre cluster de bases de données. Pour plus d’informations, consultez [Disponibilité dans les Régions](Concepts.RegionsAndAvailabilityZones.md#Aurora.Overview.Availability).
Pour supprimer un réplica Aurora d’un cluster de bases de données Aurora, supprimez le réplica en suivant les instructions de la section Auror [Suppression d’une instance de base de données d’un cluster de bases de données Aurora](USER_DeleteCluster.md#USER_DeleteInstance).
**Note**
Amazon Aurora prend également en charge la réplication avec une base de données externe, telle qu’une instance de base de données RDS. L'instance de base de données RDS doit se trouver dans la même AWS région qu'Amazon Aurora. Pour de plus amples informations, veuillez consulter [Réplication avec Amazon Aurora](Aurora.Replication.md).
Vous pouvez ajouter des répliques Aurora à un cluster de base de données à l'aide de l'AWS Management ConsoleAPIAWS CLI, de ou de l'API RDS.
## Console
**Pour ajouter un réplica Aurora à un cluster de bases de données**
1. Connectez-vous à la console Amazon RDS AWS Management Console et ouvrez-la à [https://console.aws.amazon.com/rds/](https://console.aws.amazon.com/rds/)l'adresse.
1. Dans le panneau de navigation, choisissez **Bases de données**, puis sélectionnez le cluster de bases de données dans lequel vous voulez ajouter la nouvelle instance de base de données.
1. Assurez-vous que le cluster et l’instance principale ont l’état **Disponible**. Si le cluster de bases de données ou l’instance principale sont dans un état transitoire tel que **En cours de création**, vous ne pouvez pas ajouter de réplica.
Si le cluster ne possède pas d'instance principale, créez-en une à l'aide de la [create-db-instance](https://docs.aws.amazon.com/cli/latest/reference/rds/create-db-instance.html)AWS CLIcommande. Cette situation peut se produire si vous avez utilisé la CLI pour restaurer un instantané de cluster de bases de données, puis afficher le cluster dans le AWS Management Console.
1. Pour **Actions**, choisissez **Add reader (Ajouter un lecteur)**.
La page **Add reader (Ajouter un lecteur)** s’affiche.
1. Sur la page **Add reader (Ajouter un lecteur)**, spécifiez les options de votre réplica Aurora. Le tableau suivant affiche les paramètres pour un réplica Aurora.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/AmazonRDS/latest/AuroraUserGuide/aurora-replicas-adding.html)
1. Choisissez **Add reader (Ajouter un lecteur)** pour créer le réplica Aurora.
## AWS CLI
Pour créer une réplique Aurora dans votre cluster de base de données, exécutez la [create-db-instance](https://docs.aws.amazon.com/cli/latest/reference/rds/create-db-instance.html)AWS CLIcommande. Incluez le nom du cluster de bases de données comme valeur de l’option `--db-cluster-identifier`. Vous pouvez éventuellement spécifier une zone de disponibilité pour le réplica Aurora à l’aide du paramètre `--availability-zone`, comme dans les exemples suivants.
Par exemple, la commande suivante crée un réplica Aurora compatible avec MySQL 5.7 nommé `sample-instance-us-west-2a`.
Pour Linux, macOS ou Unix :
```
aws rds create-db-instance --db-instance-identifier sample-instance-us-west-2a \
--db-cluster-identifier sample-cluster --engine aurora-mysql --db-instance-class db.r5.large \
--availability-zone us-west-2a
```
Pour Windows :
```
aws rds create-db-instance --db-instance-identifier sample-instance-us-west-2a ^
--db-cluster-identifier sample-cluster --engine aurora-mysql --db-instance-class db.r5.large ^
--availability-zone us-west-2a
```
La commande suivante crée un nouveau réplica Aurora compatible avec MySQL 5.7 nommé `sample-instance-us-west-2a`.
Pour Linux, macOS ou Unix :
```
aws rds create-db-instance --db-instance-identifier sample-instance-us-west-2a \
--db-cluster-identifier sample-cluster --engine aurora-mysql --db-instance-class db.r5.large \
--availability-zone us-west-2a
```
Pour Windows :
```
aws rds create-db-instance --db-instance-identifier sample-instance-us-west-2a ^
--db-cluster-identifier sample-cluster --engine aurora --db-instance-class db.r5.large ^
--availability-zone us-west-2a
```
La commande suivante crée un réplica Aurora compatible avec PostgreSQL nommé `sample-instance-us-west-2a`.
Pour Linux, macOS ou Unix :
```
aws rds create-db-instance --db-instance-identifier sample-instance-us-west-2a \
--db-cluster-identifier sample-cluster --engine aurora-postgresql --db-instance-class db.r5.large \
--availability-zone us-west-2a
```
Pour Windows :
```
aws rds create-db-instance --db-instance-identifier sample-instance-us-west-2a ^
--db-cluster-identifier sample-cluster --engine aurora-postgresql --db-instance-class db.r5.large ^
--availability-zone us-west-2a
```
## API RDS
Pour créer une réplique Aurora dans votre cluster de base de données, appelez l'DBInstanceopération [Create](https://docs.aws.amazon.com/AmazonRDS/latest/APIReference/API_CreateDBInstance.html). Incluez le nom du cluster de bases de données comme valeur du paramètre `DBClusterIdentifier`. Vous pouvez éventuellement spécifier une zone de disponibilité pour le réplica Aurora à l’aide du paramètre `AvailabilityZone`.
Pour plus d’informations sur l’utilisation d’Amazon Aurora Auto Scaling avec des réplicas Aurora, consultez les sections suivantes.
**Topics**
+ [Amazon Aurora Auto Scaling avec des réplicas Aurora](Aurora.Integrating.AutoScaling.md)
+ [Ajout d’une stratégie d’autoscaling à un cluster de bases de données Amazon Aurora](Aurora.Integrating.AutoScaling.Add.md)
+ [Modification d’une stratégie d’autoscaling pour un cluster de bases de données Amazon Aurora](Aurora.Integrating.AutoScaling.Edit.md)
+ [Suppression d’une stratégie d’autoscaling d’un cluster de bases de données Amazon Aurora](Aurora.Integrating.AutoScaling.Delete.md)
# Amazon Aurora Auto Scaling avec des réplicas Aurora
Pour répondre à vos exigences en matière de connectivité et de charge de travail, Aurora Auto Scaling ajuste dynamiquement le nombre de réplicas Aurora (instances de base de données en lecture) alloués pour un cluster de bases de données Aurora. Aurora Auto Scaling est disponible pour Aurora MySQL et Aurora PostgreSQL. Aurora Auto Scaling permet à votre cluster de bases de données Aurora de gérer les augmentations soudaines de connectivité ou de charge de travail. Lorsque la connectivité ou la charge de travail diminue, Aurora Auto Scaling supprime les réplicas Aurora superflus, si bien que vous ne payez pas pour les instances de base de données allouées qui ne sont pas utilisées.
Vous définissez et appliquez une stratégie de mise à l’échelle à un cluster de bases de données Aurora. La *stratégie de mise à l’échelle* définit le nombre minimal et maximal de réplicas Aurora qu’Aurora Auto Scaling peut gérer. Sur la base de cette politique, Aurora Auto Scaling ajuste le nombre de répliques Aurora à la hausse ou à la baisse en fonction des charges de travail réelles, déterminées à l'aide des CloudWatch métriques et des valeurs cibles d'Amazon.
**Note**
Aurora Auto Scaling ne s’applique pas à la charge de travail de l’instance de base de données d’enregistreur. Aurora Auto Scaling ne permet de gérer la charge de travail que sur les instances de lecteur.
Vous pouvez utiliser le AWS Management Console pour appliquer une politique de dimensionnement basée sur une métrique prédéfinie. Vous pouvez également utiliser l'API Aurora Auto Scaling AWS CLI ou l'API Aurora pour appliquer une politique de dimensionnement basée sur une métrique prédéfinie ou personnalisée.
**Topics**
+ [Avant de commencer](#Aurora.Integrating.AutoScaling.BYB)
+ [Stratégies Auto Scaling Aurora](#Aurora.Integrating.AutoScaling.Concepts)
+ [Instance de base de données IDs et balisage](#Aurora.Integrating.AutoScaling.Concepts.Tagging)
+ [Aurora Auto Scaling et Performance Insights](#aurora-auto-scaling-pi)
## Avant de commencer
Avant d’utiliser Aurora Auto Scaling avec un cluster de bases de données Aurora, vous devez d’abord créer un cluster de bases de données Aurora avec une instance de base de données principale (écriture). Pour plus d’informations sur la création d’un cluster de bases de données Aurora, consultez [Création d’un cluster de bases de données Amazon Aurora](Aurora.CreateInstance.md).
Aurora Auto Scaling ne met à l’échelle un cluster de bases de données que si celui-ci est à l’état disponible.
Quand Aurora Auto Scaling ajoute un nouveau réplica Aurora, celui-ci appartient à la même classe d’instance de base de données que celle utilisée par l’instance principale. Pour plus d’informations sur les classes d’instance de base de données, consultez [Classes d'instances de base de données Amazon Aurora](Concepts.DBInstanceClass.md). De même, le niveau de promotion pour les nouveaux réplicas Aurora est défini sur la dernière priorité, 15 par défaut. Cela signifie que pendant un basculement, un réplica ayant une meilleure priorité, par exemple un réplica ayant été créé manuellement, serait promu en premier. Pour plus d’informations, consultez [Tolérance aux pannes pour un cluster de bases de données Aurora](Concepts.AuroraHighAvailability.md#Aurora.Managing.FaultTolerance).
Aurora Auto Scaling supprime uniquement les réplicas Aurora qu’il a créés.
Pour bénéficier d’Aurora Auto Scaling, vos applications doivent prendre en charge les connexions aux nouveaux réplicas Aurora. Pour cela, nous vous recommandons d’utiliser le point de terminaison de lecteur Aurora. Vous pouvez utiliser un pilote tel que le pilote AWS JDBC. Pour de plus amples informations, veuillez consulter [Connexion à un cluster de bases de données Amazon Aurora](Aurora.Connecting.md).
**Note**
Les bases de données globales Aurora ne prennent actuellement pas en charge Aurora Auto Scaling pour les clusters de bases de données secondaire.
## Stratégies Auto Scaling Aurora
Aurora Auto Scaling utilise une stratégie de mise à l’échelle pour ajuster le nombre de réplicas Aurora dans un cluster de bases de données Aurora. Aurora Auto Scaling comprend les éléments suivants :
+ Un rôle lié à un service
+ Une métrique cible
+ Une capacité maximale et minimale
+ Un temps de stabilisation
**Topics**
+ [Rôle lié à un service](#Aurora.Integrating.AutoScaling.Concepts.SLR)
+ [Métrique cible](#Aurora.Integrating.AutoScaling.Concepts.TargetMetric)
+ [Capacité minimale et maximale](#Aurora.Integrating.AutoScaling.Concepts.Capacity)
+ [Temps de stabilisation](#Aurora.Integrating.AutoScaling.Concepts.Cooldown)
+ [Activation ou désactivation d’activités de diminution en charge](#Aurora.Integrating.AutoScaling.Concepts.ScaleIn)
+ [Ajout, modification ou suppression de stratégies d’autoscaling](#Aurora.Integrating.AutoScaling.Concepts.AddEditDelete)
### Rôle lié à un service
Aurora Auto Scaling utilise le rôle lié à un service `AWSServiceRoleForApplicationAutoScaling_RDSCluster`. Pour plus d’informations, consultez [Rôles liés aux services pour Application Auto Scaling](https://docs.aws.amazon.com/autoscaling/application/userguide/application-auto-scaling-service-linked-roles.html) dans le *Guide de l’utilisateur Application Auto Scaling*.
### Métrique cible
Dans ce type de stratégie, une métrique prédéfinie ou personnalisée et une valeur cible pour la métrique sont spécifiées dans une configuration de stratégie de dimensionnement Suivi de la cible. Aurora Auto Scaling crée et gère les CloudWatch alarmes qui déclenchent la politique de dimensionnement et calcule l'ajustement de dimensionnement en fonction de la métrique et de la valeur cible. La stratégie de dimensionnement ajoute ou supprime des réplicas Aurora si nécessaire pour maintenir la métrique à la valeur cible spécifiée ou proche de celle-ci. En plus de maintenir la métrique proche de la valeur cible, une stratégie de dimensionnement Suivi de la cible s’ajuste également aux fluctuations de la métrique dues à l’évolution de la charge de travail. Une stratégie de ce type minimise également les fluctuations rapides dans le nombre de réplicas Aurora disponibles pour votre cluster de bases de données.
Par exemple, examinons une stratégie de dimensionnement qui utilise la métrique d’utilisation moyenne de l’UC prédéfinie. Ce type de stratégie peut maintenir l’utilisation de l’UC au pourcentage d’utilisation indiqué, tel que 40 %, ou proche de celui-ci.
**Note**
Pour chaque cluster de bases de données Aurora, vous ne pouvez créer qu’une seule stratégie Auto Scaling pour chaque métrique cible.
Lorsque vous configurez Aurora Auto Scaling, la valeur de métrique cible est calculée comme la moyenne de toutes les instances de lecteur du cluster. Ce calcul est effectué comme suit :
+ Inclut toutes les instances de lecteur du cluster Aurora, qu’elles soient gérées par Auto Scaling ou ajoutées manuellement.
+ Inclut les instances associées à des points de terminaison personnalisés. Les points de terminaison personnalisés n’influencent pas le calcul des métriques cibles.
+ N’inclut pas l’instance d’enregistreur du cluster.
Les mesures sont dérivées à CloudWatch l'aide des dimensions suivantes :
+ `DBClusterIdentifier`
+ `Role=READER`
Prenons l’exemple d’un cluster Aurora MySQL avec la configuration suivante :
+ **Instances manuelles (non contrôlées par Auto Scaling)** :
+ Enregistreur avec 50 % d’utilisation du processeur
+ Lecteur 1 (point de terminaison personnalisé : `custom-reader-1`) avec 90 % d’utilisation du processeur
+ Lecteur 2 (point de terminaison personnalisé : `custom-reader-2`) avec 90 % d’utilisation du processeur
+ **Instance Auto Scaling** :
+ Lecteur 3 (ajouté à l’aide d’Auto Scaling) avec 10 % d’utilisation du processeur
Dans ce scénario, la métrique cible de la stratégie Auto Scaling est calculée comme suit :
```
Target metric = (CPU utilization of reader 1 + reader 2 + reader 3) / total number of readers
Target metric = (90 + 90 + 10) / 3 = 63.33%
```
La stratégie Auto Scaling utilise cette valeur pour évaluer s’il convient de procéder à une réduction ou à une augmentation horizontale en fonction du seuil défini.
Éléments à prendre en compte :
+ Bien que les points de terminaison personnalisés déterminent la manière dont le trafic est acheminé vers des lecteurs spécifiques, ils n’excluent pas les lecteurs du calcul des métriques.
+ Les instances manuelles sont toujours comprises dans le calcul des métriques cibles.
+ Pour éviter tout comportement de mise à l’échelle inattendu, assurez-vous que la configuration Auto Scaling prend en compte toutes les instances de lecteur du cluster.
+ Si un cluster ne possède aucun lecteur, la métrique ne sera pas calculée et les alarmes de la stratégie Auto Scaling resteront inactives. Pour que la stratégie Auto Scaling fonctionne efficacement, au moins un lecteur doit être présent à tout moment.
### Capacité minimale et maximale
Vous pouvez spécifier le nombre maximal de réplicas Aurora que doit gérer Application Auto Scaling. Cette valeur doit être comprise entre 0 et 15 et doit être supérieure ou égale à la valeur spécifiée pour le nombre minimal de réplicas Aurora.
Vous pouvez également spécifier le nombre minimal de réplicas Aurora que doit gérer Application Auto Scaling. Cette valeur doit être comprise entre 0 et 15 et doit être inférieure ou égale à la valeur spécifiée pour le nombre maximal de réplicas Aurora.
Il doit y avoir au moins une instance de base de données de lecteur pour qu’Aurora Auto Scaling fonctionne. Si le cluster de bases de données ne possède aucune instance de lecteur et que vous définissez la capacité minimale sur 0, Aurora Auto Scaling ne fonctionnera pas.
**Note**
La capacité minimale et maximale est définie pour un cluster de bases de données Aurora. Les valeurs spécifiées s’appliquent à toutes les stratégies associées à ce cluster de bases de données Aurora.
### Temps de stabilisation
Vous pouvez optimiser la réactivité d’une stratégie de dimensionnement Suivi de la cible en ajoutant des temps de stabilisation qui affectent le dimensionnement de votre cluster de bases de données Aurora via l’ajout ou la suppression d’extensions matérielles. Un temps de stabilisation bloque les demandes de montée ou de diminution en charge ultérieures jusqu’à l’expiration de la période. Ces blocs ralentissent les suppressions de réplicas Aurora dans votre cluster de bases de données Aurora pour les demandes de diminution en charge, et la création de réplicas Aurora pour les demandes de montée en charge.
Vous pouvez spécifier les temps de stabilisation suivants :
+ Une activité de diminution en charge réduit le nombre de réplicas Aurora dans votre cluster de bases de données Aurora. Un temps de stabilisation de diminution en charge spécifie la durée, en secondes, devant s’écouler entre la fin d’une activité de diminution et le début d’une autre.
+ Une activité de montée en charge augmente le nombre de réplicas Aurora dans votre cluster de bases de données Aurora. Un temps de stabilisation de montée en charge spécifie la durée, en secondes, devant s’écouler entre la fin d’une activité de montée en charge et le début d’une autre.
**Note**
Un temps de stabilisation pour la montée en puissance est ignoré si une demande de montée en puissance suivante concerne un plus grand nombre de répliques Aurora que la première demande.
Si vous ne spécifiez pas de temps de stabilisation de mise à l’échelle horizontale ou de montée en puissance, la valeur par défaut est de 300 secondes pour chaque.
### Activation ou désactivation d’activités de diminution en charge
Vous pouvez activer ou désactiver des activités de diminution en charge pour une stratégie. L’activation d’activités de diminution en charge permet à la stratégie de dimensionnement de supprimer des réplicas Aurora. Lorsque des activités de diminution en charge sont activées, le temps de stabilisation de diminution en charge figurant dans la stratégie de dimensionnement leur est appliqué. La désactivation d’activités de diminution en charge empêche la stratégie de dimensionnement de supprimer des réplicas Aurora.
**Note**
Les activités de montée en charge sont toujours activées de sorte que la stratégie de dimensionnement puisse créer des réplicas Aurora si nécessaire.
### Ajout, modification ou suppression de stratégies d’autoscaling
Vous pouvez ajouter, modifier ou supprimer des politiques de dimensionnement automatique à l'AWS Management Consoleaide de l'API Application Auto Scaling. AWS CLI Pour plus d’informations sur l’ajout, la modification ou la suppression de stratégies d’autoscaling, consultez les sections suivantes.
+ [Ajout d’une stratégie d’autoscaling à un cluster de bases de données Amazon Aurora](Aurora.Integrating.AutoScaling.Add.md)
+ [Modification d’une stratégie d’autoscaling pour un cluster de bases de données Amazon Aurora](Aurora.Integrating.AutoScaling.Edit.md)
+ [Suppression d’une stratégie d’autoscaling d’un cluster de bases de données Amazon Aurora](Aurora.Integrating.AutoScaling.Delete.md)
## Instance de base de données IDs et balisage
Lorsqu’un réplica est ajouté par Aurora Auto Scaling, son ID d’instance de base de données est doté du préfixe `application-autoscaling-` (par exemple, `application-autoscaling-61aabbcc-4e2f-4c65-b620-ab7421abc123`).
La balise suivante est automatiquement ajoutée à l’instance de base de données. Vous pouvez l’afficher sous l’onglet **Tags (Balises)** de la page détaillée de l’instance de base de données.
| Tag | Valeur |
| --- | --- |
| application-autoscaling:resourceId | cluster:mynewcluster-cluster |
Pour en savoir plus sur les balises de ressource Amazon RDS, consultez [Marquage des ressources Amazon Aurora et Amazon RDS](USER_Tagging.md).
## Aurora Auto Scaling et Performance Insights
Vous pouvez utiliser Performance Insights pour surveiller les réplicas ajoutés par Aurora Auto Scaling, comme pour n’importe quelle instance de base de données de lecteur Aurora.
Pour plus d’informations sur l’utilisation de Performance Insights pour surveiller des clusters de bases de données Aurora, consultez [Surveillance de la charge de la base de données avec Performance Insights sur ](USER_PerfInsights.md).
# Ajout d’une stratégie d’autoscaling à un cluster de bases de données Amazon Aurora
Vous pouvez ajouter une politique de dimensionnement à l'aide de l' AWS Management Console API Application Auto Scaling ou de l'API Application Auto Scaling. AWS CLI
**Note**
Pour un exemple qui ajoute une politique de dimensionnement en utilisant CloudFormation, voir [Déclarer une politique de dimensionnement pour un cluster de base de données Aurora](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/quickref-autoscaling.html#w2ab1c19c22c15c21c11) dans le *guide de AWS CloudFormation l'utilisateur.*
## Console
Vous pouvez ajouter une politique de dimensionnement à un cluster de base de données Aurora à l'aide du AWS Management Console.
**Pour ajouter une stratégie Auto Scaling à un cluster de bases de données Aurora**
1. Connectez-vous à la console Amazon RDS AWS Management Console et ouvrez-la à [https://console.aws.amazon.com/rds/](https://console.aws.amazon.com/rds/)l'adresse.
1. Dans le panneau de navigation, choisissez **Bases de données**.
1. Choisissez le cluster de bases de données Aurora auquel vous souhaitez ajouter une stratégie.
1. Choisissez l’onglet **Logs & events (Journaux et événements)**.
1. Dans la section **Auto scaling policies (Stratégies Auto Scaling)**, choisissez **Ajouter**.
La boîte de dialogue **Ajouter une Stratégie Auto Scaling** s’affiche.
1. Dans le champ **Policy Name (Nom de stratégie)**, saisissez le nom de la stratégie.
1. Pour la métrique cible, choisissez l’une des actions suivantes :
+ **Average CPU utilization of Aurora Replicas (Utilisation moyenne d’UC des réplicas Aurora)** pour créer une stratégie basée sur l’utilisation moyenne de l’UC.
+ **Average connections of Aurora Replicas (Nombre moyen de connexions de réplicas Aurora)** pour créer une stratégie basée sur le nombre moyen de connexions aux réplicas Aurora.
1. Pour la valeur cible, saisissez l’un des éléments suivants :
+ Si vous avez choisi **Average CPU utilization of Aurora Replicas (Utilisation moyenne d’UC des réplicas Aurora)** à l’étape précédente, saisissez le pourcentage d’utilisation de l’UC à maintenir sur les réplicas Aurora.
+ Si vous avez choisi **Average connections of Aurora Replicas (Nombre moyen de connexions de réplicas Aurora)** à l’étape précédente, saisissez le nombre de connexions à maintenir.
Des réplicas Aurora sont ajoutés ou supprimés pour maintenir la métrique proche de la valeur spécifiée.
1. (Facultatif) Ouvrez **Additional Configuration** (Configuration supplémentaire) pour créer un temps de stabilisation de mise à l’échelle horizontale ou de montée en puissance.
1. Pour **Minimum capacity (Capacité minimale)**, saisissez le nombre minimal de réplicas Aurora que la stratégie Aurora Auto Scaling doit maintenir.
1. Pour **Maximum capacity (Capacité maximale)**, saisissez le nombre maximal de réplicas Aurora que la stratégie Aurora Auto Scaling doit maintenir.
1. Choisissez **Add policy (Ajouter la stratégie)**.
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.
![\[Création d’une stratégie Auto Scaling basée sur une utilisation moyenne de l’UC\]](http://docs.aws.amazon.com/fr_fr/AmazonRDS/latest/AuroraUserGuide/images/aurora-autoscaling-cpu.png)
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.
![\[Création d’une stratégie Auto Scaling basée sur un nombre moyen de connexions\]](http://docs.aws.amazon.com/fr_fr/AmazonRDS/latest/AuroraUserGuide/images/aurora-autoscaling-connections.png)
## AWS CLI ou API Application Auto Scaling
Vous pouvez appliquer une stratégie de mise à l’échelle basée sur une métrique prédéfinie ou personnalisée. Pour ce faire, vous pouvez utiliser l'API Application Auto Scaling 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 base de données Aurora, vous pouvez utiliser l'API Application Auto Scaling AWS CLI ou l'API Application Auto Scaling.
#### AWS CLI
Pour enregistrer votre cluster de base de données Aurora, utilisez la [https://docs.aws.amazon.com/cli/latest/reference/application-autoscaling/register-scalable-target.html](https://docs.aws.amazon.com/cli/latest/reference/application-autoscaling/register-scalable-target.html) AWS CLI commande avec les paramètres suivants :
+ `--service-namespace` – Définissez cette valeur sur `rds`.
+ `--resource-id` : identifiant de la ressource du cluster de bases de données Aurora. Pour ce paramètre, le type de ressource est `cluster` et l’identifiant unique est le nom du cluster de bases de données Aurora, par exemple `cluster:myscalablecluster`.
+ `--scalable-dimension` – Définissez cette valeur sur `rds:cluster:ReadReplicaCount`.
+ `--min-capacity` : nombre minimal d’instances de base de données en écriture devant être gérées par Application Auto Scaling. Pour plus d’informations sur la relation entre `--min-capacity`, `--max-capacity` et le nombre d’instances de base de données dans votre cluster, consultez [Capacité minimale et maximale](Aurora.Integrating.AutoScaling.md#Aurora.Integrating.AutoScaling.Concepts.Capacity).
+ `--max-capacity` : nombre maximal d’instances de base de données en écriture devant être gérées par Application Auto Scaling. Pour plus d’informations sur la relation entre `--min-capacity`, `--max-capacity` et le nombre d’instances de base de données dans votre cluster, consultez [Capacité minimale et maximale](Aurora.Integrating.AutoScaling.md#Aurora.Integrating.AutoScaling.Concepts.Capacity).
**Example**
Dans l’exemple suivant, vous enregistrez un cluster de bases de données Aurora nommé `myscalablecluster`. L’enregistrement indique que le cluster de bases de données doit être dimensionné de façon dynamique pour contenir de un à huit réplicas Aurora.
Pour Linux, macOS ou Unix :
```
aws application-autoscaling register-scalable-target \
--service-namespace rds \
--resource-id cluster:myscalablecluster \
--scalable-dimension rds:cluster:ReadReplicaCount \
--min-capacity 1 \
--max-capacity 8 \
```
Pour Windows :
```
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 [https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_RegisterScalableTarget.html](https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_RegisterScalableTarget.html) avec les paramètres suivants :
+ `ServiceNamespace` – Définissez cette valeur sur `rds`.
+ `ResourceID` : identifiant de la ressource du cluster de bases de données Aurora. Pour ce paramètre, le type de ressource est `cluster` et l’identifiant unique est le nom du cluster de bases de données Aurora, par exemple `cluster:myscalablecluster`.
+ `ScalableDimension` – Définissez cette valeur sur `rds:cluster:ReadReplicaCount`.
+ `MinCapacity` : nombre minimal d’instances de base de données en écriture devant être gérées par Application Auto Scaling. Pour plus d’informations sur la relation entre `MinCapacity`, `MaxCapacity` et le nombre d’instances de base de données dans votre cluster, consultez [Capacité minimale et maximale](Aurora.Integrating.AutoScaling.md#Aurora.Integrating.AutoScaling.Concepts.Capacity).
+ `MaxCapacity` : nombre maximal d’instances de base de données en écriture devant être gérées par Application Auto Scaling. Pour plus d’informations sur la relation entre `MinCapacity`, `MaxCapacity` et le nombre d’instances de base de données dans votre cluster, consultez [Capacité minimale et maximale](Aurora.Integrating.AutoScaling.md#Aurora.Integrating.AutoScaling.Concepts.Capacity).
**Example**
Dans l’exemple suivant, vous enregistrez un cluster de bases de données Aurora nommé `myscalablecluster` avec l’API Application Auto Scaling. Cet enregistrement indique que le cluster de bases de données doit être dimensionné de façon dynamique pour contenir de un à huit réplicas Aurora.
```
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 lorsque vous appelez l'API Application Auto Scaling AWS CLI ou l'API Application Auto Scaling. Pour plus d’informations sur la syntaxe de la configuration d’une stratégie, consultez [https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_TargetTrackingScalingPolicyConfiguration.html](https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_TargetTrackingScalingPolicyConfiguration.html) 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.
**Topics**
+ [Utilisation d’une métrique prédéfinie](#Aurora.Integrating.AutoScaling.AddCode.DefineScalingPolicy.Predefined)
+ [Utilisation d’une métrique personnalisée](#Aurora.Integrating.AutoScaling.AddCode.DefineScalingPolicy.Custom)
+ [Utilisation des temps de stabilisation](#Aurora.Integrating.AutoScaling.AddCode.DefineScalingPolicy.Cooldown)
+ [Désactivation de l’activité de diminution en charge](#Aurora.Integrating.AutoScaling.AddCode.DefineScalingPolicy.ScaleIn)
#### 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 :
+ **RDSReaderMoyenne CPUUtilization** : valeur moyenne de la `CPUUtilization` métrique dans CloudWatch toutes les répliques Aurora du cluster de base de données Aurora.
+ **RDSReaderAverageDatabaseConnections**— La valeur moyenne de la `DatabaseConnections` métrique dans CloudWatch toutes les répliques Aurora du cluster de base de données Aurora.
Pour plus d’informations sur les métriques `CPUUtilization` et `DatabaseConnections`, consultez [CloudWatch Métriques Amazon pour Amazon Aurora](Aurora.AuroraMonitoring.Metrics.md).
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.
**Example**
L’exemple suivant décrit une configuration de stratégie classique pour le dimensionnement Suivi de la cible d’un cluster de bases de données Aurora. Dans cette configuration, la métrique prédéfinie `RDSReaderAverageCPUUtilization` est utilisée pour ajuster le cluster de bases de données Aurora en fonction d’une utilisation moyenne de l’UC de 40 % sur tous les réplicas Aurora.
```
{
"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.
**Example**
L’exemple suivant décrit une configuration de suivi de la cible pour une stratégie de dimensionnement. Dans cette configuration, une métrique personnalisée ajuste un cluster de bases de données Aurora en fonction d’une utilisation moyenne de l’UC de 50 % sur tous les réplicas Aurora d’un cluster de bases de données Aurora nommé `my-db-cluster`.
```
{
"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 [https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_TargetTrackingScalingPolicyConfiguration.html](https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_TargetTrackingScalingPolicyConfiguration.html) dans le manuel *Référence d’API Application Auto Scaling*.
**Example**
L’exemple suivant décrit une configuration de suivi de la cible pour une stratégie de dimensionnement. Dans cette configuration, la métrique prédéfinie `RDSReaderAverageCPUUtilization` est utilisée pour ajuster un cluster de bases de données Aurora en fonction d’une utilisation moyenne de l’UC de 40 % sur tous les réplicas Aurora de ce cluster de bases de données Aurora. La configuration indique un temps de stabilisation de diminution en charge de 10 minutes et un temps de stabilisation de montée en charge de 5 minutes.
```
{
"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 [https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_TargetTrackingScalingPolicyConfiguration.html](https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_TargetTrackingScalingPolicyConfiguration.html) dans le manuel *Référence d’API Application Auto Scaling*.
**Example**
L’exemple suivant décrit une configuration de suivi de la cible pour une stratégie de dimensionnement. Dans cette configuration, la métrique prédéfinie `RDSReaderAverageCPUUtilization` ajuste un cluster de bases de données Aurora en fonction d’une utilisation moyenne de l’UC de 40 % sur tous les réplicas Aurora de ce cluster de bases de données Aurora. La configuration désactive l’activité de diminution en charge pour la stratégie de dimensionnement.
```
{
"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 politique de dimensionnement à un cluster de base de données Aurora, vous pouvez utiliser l'API Application Auto Scaling AWS CLI ou l'API Application Auto Scaling.
#### AWS CLI
Pour appliquer une politique de dimensionnement à votre cluster de base de données Aurora, utilisez la [https://docs.aws.amazon.com/cli/latest/reference/application-autoscaling/put-scaling-policy.html](https://docs.aws.amazon.com/cli/latest/reference/application-autoscaling/put-scaling-policy.html) AWS CLI commande avec les paramètres suivants :
+ `--policy-name` : nom de la stratégie de mise à l’échelle.
+ `--policy-type` – Définissez cette valeur sur `TargetTrackingScaling`.
+ `--resource-id` : identifiant de la ressource du cluster de bases de données Aurora. Pour ce paramètre, le type de ressource est `cluster` et l’identifiant unique est le nom du cluster de bases de données Aurora, par exemple `cluster:myscalablecluster`.
+ `--service-namespace` – Définissez cette valeur sur `rds`.
+ `--scalable-dimension` – Définissez cette valeur sur `rds:cluster:ReadReplicaCount`.
+ `--target-tracking-scaling-policy-configuration` : configuration de stratégie de mise à l’échelle de suivi de la cible à utiliser pour le cluster de bases de données Aurora.
**Example**
Dans l’exemple suivant, vous appliquez une stratégie de mise à l’échelle de suivi de la cible nommée `myscalablepolicy` à un cluster de bases de données Aurora nommé `myscalablecluster` à l’aide d’Application Auto Scaling. Pour ce faire, vous utilisez une configuration de stratégie enregistrée dans un fichier nommé `config.json`.
Pour Linux, macOS ou Unix :
```
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
```
Pour Windows :
```
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
```
#### API Application Auto Scaling
Pour appliquer une stratégie de mise à l’échelle à votre cluster de bases de données Aurora à l’aide de l’API Application Auto Scaling, utilisez l’opération d’API Application Auto Scaling [https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_PutScalingPolicy.html](https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_PutScalingPolicy.html) avec les paramètres suivants :
+ `PolicyName` : nom de la stratégie de mise à l’échelle.
+ `ServiceNamespace` – Définissez cette valeur sur `rds`.
+ `ResourceID` : identifiant de la ressource du cluster de bases de données Aurora. Pour ce paramètre, le type de ressource est `cluster` et l’identifiant unique est le nom du cluster de bases de données Aurora, par exemple `cluster:myscalablecluster`.
+ `ScalableDimension` – Définissez cette valeur sur `rds:cluster:ReadReplicaCount`.
+ `PolicyType` – Définissez cette valeur sur `TargetTrackingScaling`.
+ `TargetTrackingScalingPolicyConfiguration` : configuration de stratégie de mise à l’échelle de suivi de la cible à utiliser pour le cluster de bases de données Aurora.
**Example**
Dans l’exemple suivant, vous appliquez une stratégie de mise à l’échelle de suivi de la cible nommée `myscalablepolicy` à un cluster de bases de données Aurora nommé `myscalablecluster` à l’aide d’Application Auto Scaling. Vous utilisez une configuration de stratégie basée sur la métrique prédéfinie `RDSReaderAverageCPUUtilization`.
```
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"
}
}
}
```
# Modification d’une stratégie d’autoscaling pour un cluster de bases de données Amazon Aurora
Vous pouvez modifier une stratégie de mise à l’échelle à l’aide de la AWS Management Console, de AWS CLI ou de l’API Application Auto Scaling.
## Console
Vous pouvez modifier une stratégie de mise à l’échelle à l’aide de la AWS Management Console.
**Pour modifier une stratégie d’autoscaling pour un cluster de bases de données Aurora**
1. Connectez-vous à la AWS Management Console et ouvrez la console Amazon RDS à l’adresse [https://console.aws.amazon.com/rds/](https://console.aws.amazon.com/rds/).
1. Dans le panneau de navigation, choisissez **Databases (Bases de données)**.
1. Choisissez le cluster de bases de données Aurora dont vous voulez modifier la stratégie d’autoscaling.
1. Choisissez l’onglet **Logs & events (Journaux et événements)**.
1. Dans la section **Stratégies Auto Scaling**, choisissez la stratégie Auto Scaling, puis sélectionnez **Modifier**.
1. Apportez des modifications à la stratégie.
1. Choisissez **Enregistrer**.
Vous trouverez ci-dessous un exemple de boîte de dialogue **Edit Auto Scaling policy (Modifier la stratégie Auto Scaling)**.
![\[Modification d’une stratégie Auto Scaling basée sur une utilisation moyenne de l’UC\]](http://docs.aws.amazon.com/fr_fr/AmazonRDS/latest/AuroraUserGuide/images/aurora-autoscaling-edit-cpu.png)
## AWS CLI ou API Application Auto Scaling
Vous pouvez utiliser l’AWS CLI ou l’API Application Auto Scaling pour modifier une stratégie de mise à l’échelle de la même manière que vous appliquez une stratégie de mise à l’échelle :
+ Lorsque vous utilisez l’AWS CLI, spécifiez le nom de la stratégie à modifier dans le paramètre `--policy-name`. Spécifiez de nouvelles valeurs pour les paramètres que vous souhaitez modifier.
+ Lorsque vous utilisez l’API Application Auto Scaling, spécifiez le nom de la stratégie à modifier dans le paramètre `PolicyName`. Spécifiez de nouvelles valeurs pour les paramètres que vous souhaitez modifier.
Pour plus d’informations, consultez [Application d’une stratégie de dimensionnement à un cluster de bases de données Aurora](Aurora.Integrating.AutoScaling.Add.md#Aurora.Integrating.AutoScaling.AddCode.ApplyScalingPolicy).
# Suppression d’une stratégie d’autoscaling d’un cluster de bases de données Amazon Aurora
Vous pouvez supprimer une stratégie de mise à l’échelle à l’aide de la AWS Management Console, de la AWS CLI ou de l’API Application Auto Scaling.
## Console
Vous pouvez supprimer une stratégie de dimensionnement à l’aide d AWS Management Console.
**Pour supprimer une stratégie Auto Scaling pour un cluster de bases de données Aurora**
1. Connectez-vous à la AWS Management Console et ouvrez la console Amazon RDS à l’adresse [https://console.aws.amazon.com/rds/](https://console.aws.amazon.com/rds/).
1. Dans le panneau de navigation, choisissez **Bases de données**.
1. Choisissez le cluster de bases de données Aurora dont vous voulez supprimer la stratégie Auto Scaling.
1. Choisissez l’onglet **Logs & events (Journaux et événements)**.
1. Dans la section **Auto scaling policies (Stratégies Auto Scaling)**, choisissez la stratégie Auto Scaling, puis **Supprimer**.
## AWS CLI
Pour supprimer une stratégie de mise à l’échelle de votre cluster de bases de données Aurora, utilisez la commande de l’AWS CLI [https://docs.aws.amazon.com/cli/latest/reference/application-autoscaling/delete-scaling-policy.html](https://docs.aws.amazon.com/cli/latest/reference/application-autoscaling/delete-scaling-policy.html) avec les paramètres suivants :
+ `--policy-name` – Nom de la stratégie de mise à l’échelle.
+ `--resource-id` – Identifiant de la ressource du cluster de bases de données Aurora. Pour ce paramètre, le type de ressource est `cluster` et l’identifiant unique est le nom du cluster de bases de données Aurora, par exemple `cluster:myscalablecluster`.
+ `--service-namespace` – Définissez cette valeur sur `rds`.
+ `--scalable-dimension` – Définissez cette valeur sur `rds:cluster:ReadReplicaCount`.
**Example**
Dans l’exemple suivant, vous supprimez une stratégie de mise à l’échelle de suivi de la cible nommée `myscalablepolicy` d’un cluster de bases de données Aurora nommé `myscalablecluster`.
Pour Linux, macOS ou Unix :
```
aws application-autoscaling delete-scaling-policy \
--policy-name myscalablepolicy \
--resource-id cluster:myscalablecluster \
--service-namespace rds \
--scalable-dimension rds:cluster:ReadReplicaCount \
```
Pour Windows :
```
aws application-autoscaling delete-scaling-policy ^
--policy-name myscalablepolicy ^
--resource-id cluster:myscalablecluster ^
--service-namespace rds ^
--scalable-dimension rds:cluster:ReadReplicaCount ^
```
## API Application Auto Scaling
Pour supprimer une stratégie de mise à l’échelle de votre cluster de bases de données Aurora, utilisez l’opération d’API Application Auto Scaling [https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_DeleteScalingPolicy.html](https://docs.aws.amazon.com/ApplicationAutoScaling/latest/APIReference/API_DeleteScalingPolicy.html) avec les paramètres suivants :
+ `PolicyName` – Nom de la stratégie de mise à l’échelle.
+ `ServiceNamespace` – Définissez cette valeur sur `rds`.
+ `ResourceID` – Identifiant de la ressource du cluster de bases de données Aurora. Pour ce paramètre, le type de ressource est `cluster` et l’identifiant unique est le nom du cluster de bases de données Aurora, par exemple `cluster:myscalablecluster`.
+ `ScalableDimension` – Définissez cette valeur sur `rds:cluster:ReadReplicaCount`.
**Example**
Dans l’exemple suivant, vous supprimez une stratégie de mise à l’échelle de suivi de la cible nommée `myscalablepolicy` d’un cluster de bases de données Aurora nommé `myscalablecluster` à l’aide de l’API Application Auto Scaling.
```
POST / HTTP/1.1
Host: autoscaling.us-east-2.amazonaws.com
Accept-Encoding: identity
Content-Length: 219
X-Amz-Target: AnyScaleFrontendService.DeleteScalingPolicy
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"
}
```