Amazon Aurora
Guide de l'utilisateur pour Aurora

Utilisation d'Amazon Aurora Auto Scaling avec des réplicas Aurora

Pour répondre à vos besoins en matière de connectivité et de charge de travail, Aurora Auto Scaling ajuste dynamiquement le nombre de réplicas Aurora alloués pour un cluster de bases de données Aurora utilisant la réplication à un seul maître. 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 dimensionnement à un cluster de base 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. Aurora Auto Scaling se base sur cette stratégie pour ajuster le nombre de réplicas Aurora à la hausse ou à la baisse en réponse aux charges de travail réelles, qui sont déterminées à partir des métriques Amazon CloudWatch et des valeurs cibles.

Vous pouvez utiliser AWS Management Console pour appliquer une stratégie de dimensionnement basée sur une métrique prédéfinie. Vous pouvez également utiliser l'AWS CLI ou l'API Aurora Auto Scaling pour appliquer une stratégie de mise à l'échelle à une métrique personnalisée ou prédéfinie.

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 principale et au moins un réplica Aurora. Bien qu'Aurora Auto Scaling gère les réplicas Aurora, le cluster de bases de données Aurora doit commencer par au moins un réplica Aurora. 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 Auto Scaling ne met à l'échelle un cluster de bases de données que si tous les réplicas Aurora du cluster sont à l'état disponible. Si l'un des réplicas Aurora est dans un état autre que disponible, Aurora Auto Scaling attend que l'ensemble du cluster de bases de données soit disponible pour procéder à la mise à l'échelle.

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 DB, consultez Choix de la classe d'instance de base de données. 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 de plus amples informations, veuillez consulter Tolérance aux pannes pour un cluster de base de données Aurora.

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. Pour Aurora MySQL, vous pouvez utiliser un pilote comme l'utilitaire MariaDB Connector/J. Pour plus d'informations, consultez Connexion à un cluster de bases de données Amazon Aurora.

Stratégies Aurora Auto Scaling

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

Rôle lié à un service

Aurora Auto Scaling utilise le rôle lié à un service AWSServiceRoleForApplicationAutoScaling_RDSCluster. Pour plus d'informations, consultez Rôles liés à un service pour Application Auto Scaling dans le manuel Référence d'API 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 alarmes CloudWatch qui déclenchent la stratégie de mise à l'échelle et calcule l'ajustement de mise à l'échelle 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 base 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 base de données Aurora, vous ne pouvez créer qu'une seule stratégie Auto Scaling pour chaque métrique cible.

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.

Note

La capacité minimale et maximale est définie pour un cluster de base de données Aurora. Les valeurs spécifiées s'appliquent à toutes les stratégies associées à ce cluster de base de données Aurora.

Temps de stabilisation

Vous pouvez affiner 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 base 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.

Lorsqu'aucun temps de stabilisation de diminution ou de montée en charge n'est spécifié, la valeur par défaut est 300 secondes.

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 d'une stratégie de mise à l'échelle

Vous pouvez ajouter une stratégie de mise à l'échelle à partir d'AWS Management Console, de l'AWS CLI ou de l'API Application Auto Scaling.

Ajout d'une stratégie de mise à l'échelle à l'aide d'AWS Management Console

Vous pouvez ajouter une stratégie de dimensionnement à un cluster de bases de données Aurora à partir d'AWS Management Console.

Pour ajouter une stratégie Auto Scaling à un cluster de base 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/.

  2. Dans la panneau de navigation, choisissez Databases (Bases de données).

  3. Choisissez le cluster de base de données Aurora auquel vous souhaitez ajouter une stratégie.

  4. Choisissez l'onglet Logs & events (Journaux et événements).

  5. Dans la section Auto scaling policies (Stratégies Auto Scaling), choisissez Ajouter.

    La boîte de dialogue Ajouter une Stratégie Auto Scaling s'affiche.

  6. Dans le champ Policy Name (Nom de stratégie), saisissez le nom de la stratégie.

  7. 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.

  8. 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.

  9. (Facultatif) Ouvrez Additional Configuration (Configuration supplémentaire) pour créer un temps de stabilisation de diminution ou de montée en charge.

  10. Pour Minimum capacity (Capacité minimale), saisissez le nombre minimal de réplicas Aurora que la stratégie Aurora Auto Scaling doit maintenir.

  11. Pour Maximum capacity (Capacité maximale), saisissez le nombre maximal de réplicas Aurora que la stratégie Aurora Auto Scaling doit maintenir.

  12. 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

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

Ajout d'une stratégie de mise à l'échelle à partir de l'AWS CLI ou de l'API Application Auto Scaling

Vous pouvez appliquer une stratégie de dimensionnement 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 opération permet de définir la dimension et les limites de 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 selon la dimension scalable 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 register-scalable-target de l'AWS CLI 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 de réplicas Aurora devant être gérés par Application Auto Scaling. Cette valeur doit être comprise entre 0 et 15 et doit être inférieure ou égale à la valeur spécifiée pour max-capacity.

  • --max-capacity – Nombre maximal de réplicas Aurora devant être gérés par Application Auto Scaling. Cette valeur doit être comprise entre 0 et 15 et doit être supérieure ou égale à la valeur spécifiée pour min-capacity.

Exemple

Dans l'exemple suivant, vous enregistrez un cluster de bases de données Aurora nommé myscalablecluster. L'enregistrement indique que le cluster de base de données doit être dimensionné de façon dynamique pour contenir de un à huit réplicas Aurora.

Pour Linux, OS X 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 RDS

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 :

  • 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 de réplicas Aurora devant être gérés par Application Auto Scaling. Cette valeur doit être comprise entre 0 et 15 et doit être inférieure ou égale à la valeur spécifiée pour MaxCapacity.

  • MaxCapacity – Nombre maximal de réplicas Aurora devant être gérés par Application Auto Scaling. Cette valeur doit être comprise entre 0 et 15 et doit être supérieure ou égale à la valeur spécifiée pour MinCapacity.

Exemple

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 base 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 base de données Aurora

Une configuration de stratégie de dimensionnement 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 dimensionnement sous forme de bloc JSON dans un fichier texte. 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 :

  • RDSReaderAverageCPUUtilization – Valeur moyenne de la métrique CPUUtilization dans CloudWatch sur tous les réplicas Aurora du cluster de bases de données Aurora.

  • RDSReaderAverageDatabaseConnections – Valeur moyenne de la métrique DatabaseConnections dans CloudWatch sur tous les réplicas Aurora du cluster de bases de données Aurora.

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

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

Exemple

L'exemple suivant décrit une configuration de stratégie classique pour le dimensionnement Suivi de la cible d'un cluster de base 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.

Exemple

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 TargetTrackingScalingPolicyConfiguration dans le manuel Référence d'API Application Auto Scaling.

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 base 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.

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 base 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 CLI

Pour appliquer une stratégie de mise à l'échelle à votre cluster de bases de données Aurora, utilisez la commande put-scaling-policy de l'AWS CLI 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.

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, OS X 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 RDS

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 PutScalingPolicy 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.

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 de dimensionnement

Vous pouvez modifier une stratégie de mise à l'échelle à partir d'AWS Management Console, de l'AWS CLI ou de l'API Application Auto Scaling.

Modification d'une stratégie de dimensionnement à l'aide d'AWS Management Console

Vous pouvez modifier une stratégie de dimensionnement à l'aide d'AWS Management Console.

Pour modifier une stratégie Auto Scaling pour un cluster de base 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/.

  2. Dans la panneau de navigation, choisissez Databases (Bases de données).

  3. Choisissez le cluster de base de données Aurora dont vous voulez modifier la stratégie Auto Scaling.

  4. Choisissez l'onglet Logs & events (Journaux et événements).

  5. Dans la section Auto scaling policies (Stratégies Auto Scaling), choisissez la stratégie Auto Scaling, puis Modifier.

  6. Apportez des modifications à la stratégie.

  7. 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

Modification d'une stratégie de dimensionnement à partir d'AWS CLI ou de l'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 base de données Aurora.

Suppression d'une stratégie de dimensionnement

Vous pouvez supprimer une stratégie de mise à l'échelle à partir d'AWS Management Console, de l'AWS CLI ou de l'API Application Auto Scaling.

Suppression d'une stratégie de dimensionnement à l'aide d'AWS Management 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 base 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/.

  2. Dans la panneau de navigation, choisissez Databases (Bases de données).

  3. Choisissez le cluster de base de données Aurora dont vous voulez supprimer la stratégie Auto Scaling.

  4. Choisissez l'onglet Logs & events (Journaux et événements).

  5. Dans la section Auto scaling policies (Stratégies Auto Scaling), choisissez la stratégie Auto Scaling, puis Supprimer.

Suppression d'une stratégie de dimensionnement à partir d'AWS CLI ou de l'API Application Auto Scaling

Vous pouvez utiliser l'AWS CLI ou l'API Application Auto Scaling pour supprimer une stratégie de mise à l'échelle d'un cluster de bases de données Aurora.

AWS CLI

Pour supprimer une stratégie de mise à l'échelle de votre cluster de bases de données Aurora, utilisez la commande delete-scaling-policy de l'AWS CLI 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.

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, OS X 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 RDS

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 DeleteScalingPolicy 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.

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" }

Rubriques connexes