Utilisation d'Amazon Aurora Auto Scaling avec des réplicas Aurora - Amazon Aurora
Avant de commencerStratégies Auto Scaling AuroraAjout d'une politique de mise à l'échelleModification d'une politique de dimensionnementSuppression d'une politique de dimensionnementID d'instance de base de données et balisageAurora Auto Scaling et Performance Insights

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.

Utilisation d'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 base de données Aurora. Aurora Auto Scaling est disponible pour Aurora MySQL et Aurora PostgreSQL. Aurora Auto Scaling permet à votre cluster de base 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. 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.

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 basée sur une métrique prédéfinie ou personnalisée.

Avant de commencer

Avant d'utiliser Aurora Auto Scaling avec un cluster de base de données Aurora, vous devez d'abord créer un cluster de base de données Aurora avec une instance de base de données principale (écriture). Pour plus d'informations sur la création d'un cluster de base de données Aurora, consultez Création d'un cluster de base de données Amazon Aurora.

Aurora Auto Scaling ne met à l'échelle un cluster de base 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 DB, veuillez consulter Classes d'instances de base de données Aurora. 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 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 tel que le pilote AWS JDBC for MySQL. Pour plus d'informations, consultez Connexion à un cluster de bases de données Amazon Aurora.

Note

Les bases de données globales Aurora ne prennent actuellement pas en charge Aurora Auto Scaling pour les clusters de base 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 base 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 aux services pour Application Auto Scaling 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 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.

Une capacité maximale et minimale

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 base 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 base 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 base 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 d'une politique de mise à l'échelle à un cluster de base de données Aurora

Vous pouvez ajouter 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.

Note

Pour un exemple d'ajout d'une stratégie de mise à l'échelle à l'aide de AWS CloudFormation, consultez Déclaration d'une politique de mise à l'échelle pour un cluster de base de données Aurora dans le Guide de l'utilisateur AWS CloudFormation.

Vous pouvez ajouter une stratégie de mise à l'échelle à un cluster de base de données Aurora à partir de l'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 le panneau de navigation, choisissez 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 mise à l'échelle horizontale ou de montée en puissance.

  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

Vous pouvez appliquer une politique 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 base de données Aurora dans Application Auto Scaling.

Enregistrement d'un cluster de base de données Aurora

Avant d'utiliser Aurora Auto Scaling avec un cluster de base de données Aurora, enregistrez votre cluster de base 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 base 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'AWS CLI ou l'API Application Auto Scaling.

AWS CLI

Pour enregistrer votre cluster de base de données Aurora, utilisez la commande de l'AWS CLI register-scalable-target avec les paramètres suivants :

  • --service-namespace – Définissez cette valeur sur rds.

  • --resource-id – Identifiant de la ressource du cluster de base de données Aurora. Pour ce paramètre, le type de ressource est cluster et l'identifiant unique est le nom du cluster de base 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, veuillez consulter Une capacité maximale et minimale.

  • --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, veuillez consulter Une capacité maximale et minimale.

Dans l'exemple suivant, vous enregistrez un cluster de base 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 LinuxmacOS, 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 \

Dans 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 base 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 base de données Aurora. Pour ce paramètre, le type de ressource est cluster et l'identifiant unique est le nom du cluster de base 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, veuillez consulter Une capacité maximale et minimale.

  • 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, veuillez consulter Une capacité maximale et minimale.

Dans l'exemple suivant, vous enregistrez un cluster de base 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 politique 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 politique de dimensionnement sous forme de bloc JSON dans un fichier texte. Vous 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 base 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 :

  • RDS ReaderAverage CPUUtilization : valeur moyenne de la CPUUtilization métrique dans CloudWatch toutes les répliques Aurora du cluster de base de données Aurora.

  • RDS ReaderAverageDatabaseConnections — 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.

Pour utiliser une métrique prédéfinie dans votre politique de dimensionnement, 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.

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 base 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 base 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 base de données Aurora en fonction d'une utilisation moyenne de l'UC de 50 % sur tous les réplicas Aurora d'un cluster de base 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 base 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 base 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 base de données Aurora en fonction d'une utilisation moyenne de l'UC de 40 % sur tous les réplicas Aurora de ce cluster de base 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 base 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 base de données Aurora en fonction d'une utilisation moyenne de l'UC de 40 % sur tous les réplicas Aurora de ce cluster de base 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 base de données Aurora dans Application Auto Scaling et défini une stratégie de mise à l'échelle, appliquez cette dernière au cluster de base de données Aurora enregistré. Pour appliquer une stratégie de mise à l'échelle à un cluster de base de données Aurora, vous pouvez utiliser l'AWS CLI ou l'API Application Auto Scaling.

Pour appliquer une stratégie de mise à l'échelle à votre cluster de base de données Aurora, utilisez la commande de l'AWS CLI put-scaling-policy 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 base de données Aurora. Pour ce paramètre, le type de ressource est cluster et l'identifiant unique est le nom du cluster de base 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 base 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 base 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 LinuxmacOS, 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

Dans 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

Pour appliquer une stratégie de mise à l'échelle à votre cluster de base 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 base de données Aurora. Pour ce paramètre, le type de ressource est cluster et l'identifiant unique est le nom du cluster de base 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 base 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 base 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 politique de dimensionnement

Vous pouvez modifier une politique de mise à l'échelle à l'aide de la AWS Management Console, de AWS CLI ou de l'API Application Auto Scaling.

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 le 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

Vous pouvez utiliser l'AWS CLI ou l'API Application Auto Scaling pour modifier une politique de mise à l'échelle de la même manière que vous appliquez une politique de mise à l'échelle :

  • Lorsque vous utilisez l'AWS CLI, spécifiez le nom de la politique 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 politique 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 politique de dimensionnement

Vous pouvez supprimer une politique de mise à l'échelle à l'aide de la AWS Management Console, de la AWS CLI ou de l'API Application Auto Scaling.

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 le panneau de navigation, choisissez 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.

Pour supprimer une stratégie de mise à l'échelle de votre cluster de base de données Aurora, utilisez la commande de l'AWS CLI delete-scaling-policy avec les paramètres suivants :

  • --policy-name – Nom de la stratégie de mise à l'échelle.

  • --resource-id – Identifiant de la ressource du cluster de base de données Aurora. Pour ce paramètre, le type de ressource est cluster et l'identifiant unique est le nom du cluster de base 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 base de données Aurora nommé myscalablecluster.

Pour LinuxmacOS, ou Unix :


aws application-autoscaling delete-scaling-policy \
    --policy-name myscalablepolicy \
    --resource-id cluster:myscalablecluster \
    --service-namespace rds \
    --scalable-dimension rds:cluster:ReadReplicaCount \

Dans Windows :


aws application-autoscaling delete-scaling-policy ^
    --policy-name myscalablepolicy ^
    --resource-id cluster:myscalablecluster ^
    --service-namespace rds ^
    --scalable-dimension rds:cluster:ReadReplicaCount ^

Pour supprimer une stratégie de mise à l'échelle de votre cluster de base 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 base de données Aurora. Pour ce paramètre, le type de ressource est cluster et l'identifiant unique est le nom du cluster de base 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 base 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"
}

ID d'instance de base de données 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 Balisage de ressources Amazon RDS.

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.

Vous ne pouvez pas activer l'analyse des performances pour un cluster de base de données Aurora. Vous pouvez activer manuellement l'analyse des performances pour chaque instance de base de données du cluster de base de données.

Lorsque vous activez l'analyse des performances pour l'instance de base de données d'enregistreur dans votre cluster de base de données Aurora, l'analyse des performances n'est pas automatiquement activée pour les instances de base de données de lecteur. Vous devez activer manuellement l'analyse des performances pour les instances de base de données de lecteur existantes et les nouveaux réplicas ajoutés par Aurora Auto Scaling.

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 .