Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Penskalaan vertikal online dengan mengubah tipe simpul
Dengan menggunakan penskalaan vertikal online dengan Amazon ElastiCache untuk Redis versi 3.2.10 atau yang lebih baru, Anda dapat menskalakan klaster Redis Anda secara dinamis dengan waktu henti minimal. Hal ini mengizinkan klaster Redis Anda untuk melayani permintaan bahkan saat penskalaan.
catatan
Scaling tidak didukung antara klaster data tiering (misalnya, cluster menggunakan tipe node r6gd) dan cluster yang tidak menggunakan data tiering (misalnya, cluster menggunakan tipe node r6g). Untuk informasi selengkapnya, lihat Jenjang Data.
Anda dapat melakukan hal berikut:
-
Menskalakan ke atas— Meningkatkan kapasitas baca dan tulis dengan menyesuaikan tipe simpul klaster Redis Anda untuk menggunakan tipe simpul yang lebih besar.
ElastiCache secara dinamis mengubah ukuran klaster Anda sambil tetap online dan melayani permintaan.
-
Menskalakan turun- Mengurangi kapasitas baca dan tulis dengan menyesuaikan tipe simpul ke bawah untuk menggunakan simpul yang lebih kecil. Sekali lagi, ElastiCache secara dinamis mengubah ukuran klaster Anda sambil tetap online dan melayani permintaan. Dalam hal ini, Anda mengurangi biaya dengan mengurangi ukuran simpul.
catatan
Proses menskalakan ke atas dan menskalakan ke bawah bergantung pada pembuatan klaster dengan tipe simpul yang baru dipilih dan menyinkronkan simpul baru dengan yang sebelumnya. Untuk memastikan aliran penskalaan ke atas/bawah yang mulus, lakukan hal berikut:
Pastikan Anda memiliki kapasitas ENI (Elastic Network Interface) yang cukup. Jika menskalakan ke bawah, pastikan simpul yang lebih kecil memiliki memori yang cukup untuk menyerap lalu lintas yang diperkirakan.
Untuk praktik terbaik pada manajemen memori, lihat Mengelola Memori Cadangan.
Sementara proses penskalaan vertikal dirancang untuk tetap sepenuhnya online, itu tidak bergantung pada sinkronisasi data antara simpul lama dan simpul baru. Kami merekomendasikan Anda untuk memulai penskalaan ke atas/bawah selama jam ketika Anda memperkirakan lalu lintas data menjadi minimum.
Uji perilaku aplikasi Anda selama penskalaan ke dalam di lingkungan persiapan, jika memungkinkan.
