Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Configurazione della scalabilità automatica dei lavoratori Amazon MWAA
Il meccanismo di scalabilità automatica aumenta automaticamente il numero di lavoratori Apache Airflow in risposta alle attività in esecuzione e in coda nel tuo ambiente Amazon Managed Workflows for Apache Airflow ed elimina lavoratori aggiuntivi quando non ci sono più attività in coda o in esecuzione. Questo argomento descrive come configurare la scalabilità automatica specificando il numero massimo di lavoratori Apache Airflow eseguiti nel tuo ambiente utilizzando la console Amazon MWAA.
**Nota**
Amazon MWAA utilizza i parametri di Apache Airflow per determinare quando sono necessari [altri lavoratori Celery](https://airflow.apache.org/docs/apache-airflow/stable/executor/celery.html) Executor e, se necessario, aumenta il numero di lavoratori Fargate fino al valore specificato da. `max-workers` Man mano che i lavoratori aggiuntivi completano il lavoro e il carico di lavoro diminuisce, Amazon MWAA li rimuove, tornando così al valore impostato da. `min-workers`
Se i lavoratori intraprendono nuove attività durante il downscaling, Amazon MWAA conserva la risorsa Fargate e non rimuove il lavoratore. Per ulteriori informazioni, consulta [Come funziona la scalabilità automatica di Amazon MWAA](#mwaa-autoscaling-how).
**Topics**
+ [Come funziona la scalabilità dei lavoratori](#mwaa-autoscaling-how)
+ [Utilizzo della console Amazon MWAA](#mwaa-autoscaling-console)
+ [Esempio di utilizzo ad alte prestazioni](#mwaa-autoscaling-high-volume)
+ [Risoluzione dei problemi relativi alle attività bloccate nello stato di esecuzione](#mwaa-autoscaling-stranded)
+ [Fasi successive](#mwaa-autoscaling-next-up)
## Come funziona la scalabilità dei lavoratori
Usi `RunningTasks` e `QueuedTasks` [parametri](access-metrics-cw.md#available-metrics-cw) di Amazon MWAA, dove *(attività in esecuzione \+ attività in coda)/([attività per lavoratore) = (lavoratori richiesti](environment-class.md#environment-class-sizes))*. Se il numero richiesto di lavoratori è superiore al numero attuale di lavoratori, Amazon MWAA aggiungerà i container per lavoratori Fargate a quel valore, fino al valore massimo specificato da. `max-workers`
Man mano che il carico di lavoro diminuisce e la somma dei `QueuedTasks` parametri `RunningTasks` e si riduce, Amazon MWAA richiede a Fargate di ridurre il numero di lavoratori per l'ambiente. Tutti i lavoratori che stanno ancora completando il lavoro rimangono protetti durante il downscaling fino al completamento del lavoro. A seconda del carico di lavoro, le attività potrebbero essere messe in coda mentre i lavoratori effettuano la scalata.
## Utilizzo della console Amazon MWAA
Puoi scegliere il numero massimo di lavoratori che possono essere eseguiti contemporaneamente nel tuo ambiente sulla console Amazon MWAA. Per impostazione predefinita, puoi specificare un valore massimo fino a 25.
**Per configurare il numero di lavoratori**
1. Apri la pagina [Ambienti](https://console.aws.amazon.com/mwaa/home#/environments) sulla console Amazon MWAA.
1. Scegli un ambiente.
1. Scegli **Modifica**.
1. Scegli **Next (Successivo)**.
1. Nel riquadro **Classe Ambiente**, inserisci un valore in **Numero massimo di lavoratori**.
1. Scegli **Save** (Salva).
**Nota**
Possono essere necessari alcuni minuti prima che le modifiche abbiano effetto sull'ambiente.
## Esempio di utilizzo ad alte prestazioni
La sezione seguente descrive il tipo di configurazioni che è possibile utilizzare per abilitare alte prestazioni e parallelismo in un ambiente.
### Apache Airflow locale
In genere, in una piattaforma Apache Airflow on-premise, configuri il parallelismo delle attività, la scalabilità automatica e le impostazioni di concorrenza nel file: `airflow.cfg`
+ `core.parallelism`— Il numero massimo di istanze di attività che possono essere eseguite contemporaneamente per scheduler.
+ `core.dag_concurrency`— La concorrenza massima per DAGs (non i lavoratori).
+ `celery.worker_autoscale`— Il numero massimo e minimo di attività che possono essere eseguite contemporaneamente su qualsiasi lavoratore.
Ad esempio, se `core.parallelism` è stato impostato su `100` ed `core.dag_concurrency` è stato impostato su`7`, puoi eseguire un totale di `14` attività contemporaneamente solo se ne hai 2. DAGs Tuttavia, ogni DAG è impostato per eseguire solo sette attività contemporaneamente (in`core.dag_concurrency`), anche se il parallelismo complessivo è impostato su (in). `100` `core.parallelism`
**Nota**
`core.dag_concurrency`non è disponibile in Apache Airflow v3.
### In un ambiente Amazon MWAA
In un ambiente Amazon MWAA, puoi configurare queste impostazioni direttamente sulla console Amazon MWAA utilizzando [Utilizzo delle opzioni di configurazione Apache Airflow su Amazon MWAA](configuring-env-variables.md)[Configurazione della classe di ambiente Amazon MWAA](environment-class.md), e il meccanismo di scalabilità **automatica Maximum worker count**. [Sebbene non `core.dag_concurrency` sia disponibile nell'elenco a discesa come opzione di **configurazione Apache Airflow** sulla console Amazon MWAA, puoi aggiungerla come opzione di configurazione Apache Airflow personalizzata.](configuring-env-variables.md)
Supponiamo che quando hai creato il tuo ambiente, tu abbia scelto le seguenti impostazioni:
1. La [classe di ambiente](environment-class.md) **mw1.small** che controlla il numero massimo di attività simultanee che ogni lavoratore può eseguire per impostazione predefinita e la vCPU dei contenitori.
1. **L'impostazione predefinita dei `10` lavoratori in Numero massimo di lavoratori.**
1. Un'opzione di [configurazione Apache Airflow](configuring-env-variables.md) per più attività `celery.worker_autoscale` per lavoratore`5,5`.
Ciò significa che puoi eseguire 50 attività simultanee nel tuo ambiente. Tutte le attività oltre 50 vengono messe in coda e attendono il completamento delle attività in esecuzione.
**Esegui più attività simultanee**. È possibile modificare l'ambiente per eseguire più attività contemporaneamente utilizzando le seguenti configurazioni:
1. [Aumenta il numero massimo di attività simultanee che ogni lavoratore può eseguire per impostazione predefinita e la vCPU dei contenitori scegliendo `mw1.medium` la classe di ambiente (10 attività simultanee per impostazione predefinita).](environment-class.md)
1. Aggiungi `celery.worker_autoscale` come opzione di [configurazione Apache Airflow](configuring-env-variables.md).
1. Aumenta il **numero massimo di lavoratori**. In questo esempio, aumentando il numero massimo di lavoratori da `10` a `20` raddoppia il numero di attività simultanee che l'ambiente può eseguire.
**Specificare il numero minimo di lavoratori**. È inoltre possibile specificare il numero minimo e massimo di worker Apache Airflow eseguiti nel proprio ambiente utilizzando AWS Command Line Interface ().AWS CLI Ad esempio:
```
aws mwaa update-environment --max-workers 10 --min-workers 10 --name {{YOUR_ENVIRONMENT_NAME}}
```
Per ulteriori informazioni, fate riferimento al comando [update-environment in.](https://docs.aws.amazon.com/cli/latest/reference/mwaa/update-environment.html) AWS CLI
## Risoluzione dei problemi relativi alle attività bloccate nello stato di esecuzione
In rari casi, Apache Airflow potrebbe pensare che ci siano attività ancora in esecuzione. Per risolvere questo problema, devi cancellare l'attività bloccata nell'interfaccia utente di Apache Airflow. Per ulteriori informazioni, consulta l'argomento relativo alla risoluzione dei problemi. [Risoluzione dei problemi di Amazon Managed Workflows per Apache Airflow](troubleshooting.md)
## Fasi successive
+ Scopri di più sulle best practice che consigliamo per ottimizzare le prestazioni del tuo ambiente[Ottimizzazione delle prestazioni per Apache Airflow su Amazon MWAA](best-practices-tuning.md).