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.

Schritt 4: Erstellen des Skalierungsplans

Überprüfen Sie auf der Seite Review and create (Überprüfen und erstellen) die Details zu Ihrem Skalierungsplan und wählen Sie Create scaling plan (Skalierungsplan erstellen) aus. Sie werden zu einer Seite weitergeleitet, auf der der Status Ihres Skalierungsplans angezeigt wird. Es kann eine Weile dauern, bis der Skalierungsplan fertig erstellt ist, während Ihre Ressourcen aktualisiert werden.

Bei der prädiktiven Skalierung wird der Verlauf der angegebenen Lastmetrik in den letzten 14 Tagen AWS Auto Scaling analysiert (Daten von mindestens 24 Stunden sind erforderlich), um eine Prognose für die nächsten zwei Tage zu erstellen. Anschließend werden Skalierungsaktionen geplant, um die Ressourcenkapazität an die Prognosen für die einzelnen Stunden im Prognosezeitraum anzupassen.

Nachdem der Skalierungsplan fertig erstellt wurde, überprüfen Sie die Details des Skalierungsplans, indem Sie seinen Namen im Bildschirm Scaling plans (Skalierungspläne) auswählen.

(Optional) Anzeigen von Skalierungsinformationen für eine Ressource

Verwenden Sie dieses Verfahrens, um die für eine Ressource erstellten Skalierungsinformationen anzuzeigen.

Die Daten werden folgendermaßen präsentiert:

Überwachen und Auswerten von Prognosen

Wenn Ihr Skalierungsplan eingerichtet ist und ausgeführt wird, können Sie die Lastprognose, die Kapazitätsprognose und die Skalierungsaktionen überwachen, um die Leistung der prädiktiven Skalierung zu überprüfen. All diese Daten sind in der AWS Auto Scaling Konsole für alle Auto Scaling Scaling-Gruppen verfügbar, die für prädiktive Skalierung aktiviert sind. Denken Sie daran, dass für Ihren Skalierungsplan mindestens 24 Stunden an historischen Daten benötigt werden, um die anfängliche Prognose zu fällen.

Im folgenden Beispiel zeigt die linke Seite der einzelnen Diagramme ein historisches Muster. Die rechte Seite des Diagramms zeigt die Prognose, die vom Skalierungsplan für den Prognosezeitraum erstellt wurde. Es werden sowohl tatsächliche als auch prognostizierte Werte (blau und orange) dargestellt.

AWS Auto Scaling lernt automatisch aus Ihren Daten. Zuerst wird eine Lastprognose erstellt. Anschließend bestimmt eine Berechnung der Kapazitätsprognose die Mindestanzahl der Instances, die erforderlich ist, um die Anwendung zu unterstützen. Basierend auf der Kapazitätsprognose, plant AWS Auto Scaling Skalierungsaktionen, die die Auto-Scaling-Gruppe entsprechend der vorausgesagten Laständerungen skalieren. Wenn die dynamische Skalierung aktiviert ist (empfohlen), kann die Auto-Scaling-Gruppe zusätzliche Kapazitäten skalieren (oder entfernen), je nachdem wie ausgelastet die Instances-Gruppe derzeit ist.

Wenn Sie die Leistung der prädiktiven Skalierung bewerten, überwachen Sie, wie stark die tatsächlichen und prognostizierten Werte im Laufe der Zeit übereinstimmen. Wenn Sie einen Skalierungsplan erstellen, AWS Auto Scaling stellt es Grafiken bereit, die auf den neuesten tatsächlichen Daten basieren. Außerdem wird die anfängliche Prognose für die nächsten 48 Stunden zur Verfügung gestellt. Nachdem der Skalierungsplan erstellt wurde, ist jedoch nur eine sehr geringe Menge an Prognosedaten für einen Vergleich mit den tatsächlichen Daten vorhanden. Warten Sie, bis der Skalierungsplan Prognosewerte für einige Zeiträume abgerufen hat, bevor Sie die historischen Prognosewerte mit den tatsächlichen Werte vergleichen. Nach einigen Tagen täglicher Prognosen verfügen Sie über einen größere Stichprobe von Prognosewerten für den Vergleich mit tatsächlichen Werten.

Für Mustern, die täglich auftreten, kann das Zeitintervall zwischen der Erstellung Ihres Skalierungsplans und der Bewertung der Wirksamkeit der Prognose nur ein paar Tage betragen. Eine solche Dauer ist für die Bewertung der Prognose basierend auf einer kürzlichen Musteränderung allerdings nicht ausreichend. Angenommen, Sie überprüfen die Prognose für eine Auto-Scaling-Gruppe, die in der letzten Woche eine neue Marketingkampagne gestartet hat. Die Kampagne erhöht den Webdatenverkehr für die gleichen zwei Wochentage deutlich. In solchen Situationen empfehlen wir, mit der Auswertung der Wirksamkeit der Prognose zu warten, bis die Gruppe eine oder zwei vollständige Wochen an neuen Daten erfasst hat. Diese Empfehlung gilt auch für eine völlig neue Auto-Scaling-Gruppe, die gerade mit dem Sammeln von metrischen Daten begonnen hat.

Wenn die über einen geeigneten Zeitraum hinweg überwachten tatsächlichen und prognostizierten Werte nicht übereinstimmen, sollten Sie auch die von Ihnen ausgewählte Lastmetrik in Betracht ziehen. Um die Effizienz zu gewährleisten, muss die Lastmetrik eine zuverlässige und genaue Messung der Gesamtlast für alle Instances in der Auto-Scaling-Gruppe repräsentieren. Die Lastmetrik steht im Mittelpunkt der prädiktiven Skalierung. Wenn Sie eine suboptimale Lastmetrik wählen, können dadurch genaue Last- und Kapazitätsprognosen sowie die Planung der richtigen Kapazitätsberichtigungen für Ihre Auto-Scaling-Gruppe durch die prädiktive Skalierung verhindert werden.