Bewährte Methoden für Skalierungspläne - AWS Auto Scaling
Weitere Überlegungen Vermeiden des ActiveWithProblems-Fehlers

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.

Bewährte Methoden für Skalierungspläne

Die folgenden bewährten Methoden können Sie dabei unterstützen, Skalierungspläne optimal zu nutzen:

  • Wenn Sie eine Startvorlage oder eine Startkonfiguration erstellen, aktivieren Sie eine detaillierte Überwachung, um CloudWatch-Metrikdaten für EC2-Instances im Minutentakt zu erhalten, da dies eine schnellere Reaktion auf Laständerungen gewährleistet. Erfolgt die Skalierung nach Metriken mit einem Intervall von 5 Minuten, kann dies zu einer verringerten Reaktionszeit und zu einer Skalierung nach veralteten Metrikdaten führen. Standardmäßig sind EC2-Instances für die grundlegende Überwachung aktiviert. Dies bedeutet, dass Metrikdaten für Instances mit einem Intervall von 5 Minuten verfügbar sind. Gegen eine zusätzliche Gebühr können Sie die detaillierte Überwachung aktivieren, um Metrikdaten für Instances mit einer Minute Frequenz zu erhalten. Weitere Informationen finden Sie unter Konfigurieren der Überwachung für Auto Scaling-Instances im Amazon EC2 Auto Scaling-Benutzerhandbuch.

  • Wir empfehlen außerdem, die Auto-Scaling-Gruppen-Metriken zu aktivieren. Andernfalls wird die tatsächliche Kapazität nicht in den Kapazitätsprognose-Diagrammen angezeigt, die nach Abschluss des Assistenten für das Erstellen eines Skalierungsplans verfügbar sind. Weitere Informationen finden Sie unter Überwachung der CloudWatch-Metriken für Ihre Auto Scaling-Gruppen und -Instances im Amazon EC2 Auto Scaling-Benutzerhandbuch.

  • Prüfen Sie, welchen Instance-Typ Ihre Auto-Scaling-Gruppe verwendet, und achten Sie darauf, einen Typ der Instance mit Spitzenlastleistung zu verwenden. Amazon-EC2-Instances mit Spitzenlastleistung, wie T3- und T2-Instances, wurden entwickelt, um eine CPU-Basisleistung mit der Fähigkeit, die Leistung je nach Erfordernis Ihres Workloads zu steigern, bereitzustellen. Je nach der vom Skalierungsplan vorgegebenen Zielauslastung besteht das Risiko, dass Sie die Basisleistung überschreiten und kein CPU-Guthaben mehr haben, was die Leistung einschränkt. Weitere Informationen finden sie unter CPU-Guthaben und Basisleistung für Instances mit Spitzenlastleistung. Informationen zum Konfigurieren dieser Instances als unlimited finden Sie unter Verwenden einer Auto-Scaling-Gruppe zum Starten einer Instance mit Spitzenlastleistung als Unlimited im Amazon-EC2-Benutzerhandbuch für Linux-Instances.

Weitere Überlegungen

Anmerkung

Es gibt eine neuere Version der vorausschauende Skalierung, die im Mai 2021 veröffentlicht wurde. Einige in dieser Version eingeführte Funktionen sind in Skalierungsplänen nicht verfügbar, und Sie müssen eine Richtlinie für vorausschauende Skalierung verwenden, die direkt in der Auto-Scaling-Gruppe festgelegt ist, um auf diese Funktionen zugreifen zu können. Weitere Informationen finden Sie unter Prädiktive Skalierung von Cooldowns für Amazon EC2 Auto Scaling im Amazon EC2 Auto Scaling-Benutzerhandbuch.

Berücksichtigen Sie die folgenden zusätzlichen Aspekte:

  • Die prädiktive Skalierung nutzt Lastenprognosen, um die zukünftige Kapazität zu planen. Die Qualität der Prognosen variiert je nach Zyklizität der Last und der Anwendbarkeit des geschulten Prognosemodells. Die prädiktive Skalierung kann im Nur-Prognose-Modus ausgeführt werden, um die Qualität der Prognosen und der von den Prognosen erstellten Skalierungsaktionen zu beurteilen. Während dem Erstellen des Skalierungsplans können Sie den prädiktiven Skalierungsmodus als Forecast only (Nur Prognose) festlegen und ihn anschließend, nachdem Sie die Qualität der Prognose beurteilt haben, zu Forecast and scale (Prognose und Skalierung) ändern. Weitere Informationen finden Sie unter Prädiktive Skalierungseinstellungen und Überwachen und Auswerten von Prognosen.

  • Wenn Sie andere Metriken für die prädiktive Skalierung festlegen möchten, müssen Sie sicherstellen, dass die Skalierungsmetrik und die Lastmetrik stark korrelieren. Der Wert der Metrik muss sich proportional zur Anzahl der Instances in der Auto-Scaling-Gruppe erhöhen oder verringern. Dadurch wird sichergestellt, dass die Metrikdaten verwendet werden können, um die Anzahl der Instances proportional zu skalieren. Beispiel: Die Lastmetrik entspricht der Gesamtanzahl der Anfragen und die Skalierungsmetrik der durchschnittlichen CPU-Auslastung. Wenn sich die Gesamtzahl an Anfragen um 50 Prozent erhöht, sollte sich die durchschnittliche CPU-Auslastung ebenfalls um 50 Prozent erhöhen, vorausgesetzt, dass die Kapazität unverändert bleibt.

  • Bevor Sie Ihren Skalierungsplan erstellen, sollten Sie alle zuvor geplanten Skalierungsaktionen löschen, die Sie nicht mehr benötigen, indem Sie auf die Konsolen zugreifen, über die diese Aktionen erstellt wurden. AWS Auto Scaling erstellt keine prädiktive Skalierungsaktion, die sich mit einer vorhandenen geplanten Skalierungsaktion überschneidet.

  • Ihre benutzerdefinierten Einstellungen für die minimale und maximale Kapazität werden zusammen mit anderen Einstellungen, die für die dynamische Skalierung genutzt werden, in anderen Konsolen angezeigt. Wir empfehlen jedoch, dass Sie, nachdem Sie einen Skalierungsplan erstellt haben, diese Einstellungen nicht über andere Konsolen ändern, da Ihr Skalierungsplan die Änderungen von anderen Konsolen nicht erhält.

  • Ihr Skalierungsplan kann Ressourcen aus mehreren Services enthalten, jede Ressource kann sich aber nur in jeweils einem Skalierungsplan befinden.

Vermeiden des ActiveWithProblems-Fehlers

Ein „ActiveWithProblems“-Fehler kann auftreten, wenn ein Skalierungsplan erstellt wird oder Ressourcen zu einem Skalierungsplan hinzugefügt werden. Der Fehler tritt auf, wenn der Skalierungsplan aktiv ist, aber die Skalierungskonfiguration für mindestens eine Ressource nicht angewendet werden konnte.

Dies geschieht normalerweise, weil eine Ressource bereits über eine Skalierungsrichtlinie verfügt oder eine Auto-Scaling-Gruppe die Mindestanforderungen für die prädiktive Skalierung nicht erfüllt.

Wenn eine Ihrer Ressourcen bereits über Skalierungsrichtlinien von verschiedenen Servicekonsolen verfügt, überschreibt AWS Auto Scaling diese anderen Skalierungsrichtlinien nicht und erstellt auch nicht standardmäßig neue Richtlinien. Sie können die vorhandenen Skalierungsrichtlinien optional löschen und sie durch Zielverfolgungsrichtlinien ersetzen, die von der AWS Auto Scaling-Konsole erstellt wurden. Dazu aktivieren Sie die Einstellung Replace external scaling policies (Externe Skalierungsrichtlinien ersetzen) für jede Ressource, für die Skalierungsrichtlinien überschrieben werden sollen.

Bei der prädiktiven Skalierung empfehlen wir, nach dem Erstellen einer neuen Auto-Scaling-Gruppe mit dem Konfigurieren der prädiktiven Skalierung 24 Stunden zu warten. Zum Generieren der anfänglichen Prognose müssen mindestens 24 Stunden an historischen Daten vorhanden sein. Wenn für die Gruppe weniger als 24 Stunden an historischen Daten vorhanden sind und die prädiktive Skalierung aktiviert ist, hat dies zur Folge, dass der Skalierungsplan erst in der nächsten Prognoseperiode, nachdem die erforderliche Datenmenge für die Gruppe erfasst wurde, eine Prognose generieren kann. Sie können den Skalierungsplan jedoch auch bearbeiten und speichern, um den Prognoseprozess neu zu starten, sobald die 24 Stunden an Daten verfügbar sind.