Sebelum Anda memulai Kebijakan Aurora Auto Scaling Menambahkan kebijakan penskalaan Mengedit kebijakan penskalaan Menghapus kebijakan penskalaan ID dan pemberian tag instans DB Aurora Auto Scaling dan Wawasan Performa

Menggunakan Amazon Aurora Auto Scaling dengan Replika Aurora

Untuk memenuhi persyaratan konektivitas dan beban kerja Anda, Aurora Auto Scaling secara dinamis menyesuaikan jumlah Replika Aurora (instans DB pembaca) terprovisi untuk klaster DB Aurora. Aurora Auto Scaling tersedia untuk Aurora MySQL dan Aurora PostgreSQL. Aurora Auto Scaling memungkinkan klaster DB Aurora Anda menangani peningkatan mendadak dalam konektivitas atau beban kerja. Ketika konektivitas atau beban kerja berkurang, Aurora Auto Scaling menghapus Replika Aurora yang tidak perlu sehingga Anda tidak membayar untuk instans DB terprovisi yang tidak digunakan.

Anda menentukan dan menerapkan kebijakan penskalaan untuk klaster DB Aurora. Kebijakan penskalaan menentukan jumlah minimum dan maksimum Replika Aurora yang dapat dikelola oleh Aurora Auto Scaling. Berdasarkan kebijakan tersebut, Auto Scaling Aurora menyesuaikan jumlah Replika Aurora naik atau turun sebagai respons terhadap beban kerja aktual, yang ditentukan dengan menggunakan metrik Amazon dan nilai target. CloudWatch

Anda dapat menggunakan AWS Management Console untuk menerapkan kebijakan penskalaan berdasarkan metrik yang telah ditentukan sebelumnya. Atau, Anda dapat menggunakan API Auto Scaling AWS CLI atau Aurora Auto untuk menerapkan kebijakan penskalaan berdasarkan metrik yang telah ditentukan atau kustom.

Topik

Sebelum Anda mulai
Kebijakan Aurora Auto Scaling
Menambahkan kebijakan penskalaan untuk klaster DB Aurora
Mengedit kebijakan penskalaan
Menghapus kebijakan penskalaan
ID dan pemberian tag instans DB
Aurora Auto Scaling dan Wawasan Performa

Sebelum Anda mulai

Sebelum Anda dapat menggunakan Aurora Auto Scaling dengan klaster DB Aurora, Anda terlebih dahulu harus membuat sebuah klaster DB Aurora dengan instans DB utama (penulis). Untuk informasi selengkapnya tentang cara membuat klaster DB Aurora, lihat Membuat klaster DB Amazon Aurora.

Aurora Auto Scaling hanya menskalakan klaster DB jika klaster DB berada dalam status tersedia.

Saat Aurora Auto Scaling menambahkan Replika Aurora baru, Replika Aurora yang baru adalah kelas instans DB yang sama dengan yang digunakan oleh instans primer. Untuk informasi selengkapnya tentang kelas instans DB, lihat Kelas instans DB Aurora. Selain itu, tingkat promosi untuk Replika Aurora yang baru akan ditetapkan sesuai prioritas terakhir, yaitu 15 secara default. Ini berarti bahwa selama failover, replika dengan prioritas lebih baik, seperti yang dibuat secara manual, akan dipromosikan terlebih dahulu. Untuk informasi selengkapnya, lihat Toleransi kesalahan untuk klaster DB Aurora.

Aurora Auto Scaling hanya menghapus Replika Aurora yang dibuatnya.

Untuk memanfaatkan Aurora Auto Scaling, aplikasi Anda harus mendukung koneksi ke Replika Aurora baru. Untuk melakukannya, sebaiknya gunakan titik akhir pembaca Aurora. Anda dapat menggunakan driver seperti Driver AWS JDBC. Untuk informasi selengkapnya, lihat Menghubungkan ke klaster DB Amazon Aurora.

catatan

Basis data global Aurora saat ini tidak mendukung Aurora Auto Scaling untuk klaster DB sekunder.

Kebijakan Aurora Auto Scaling

Aurora Auto Scaling menggunakan kebijakan penskalaan untuk menyesuaikan jumlah Replika Aurora dalam klaster DB Aurora. Aurora Auto Scaling memiliki komponen berikut:

Peran terkait layanan
Metrik target
Kapasitas minimum dan maksimum
Periode pendinginan

Topik

Peran terkait layanan
Metrik target
Kapasitas minimum dan maksimum
Periode pendinginan
Mengaktifkan atau menonaktifkan aktivitas penskalaan ke dalam

Peran terkait layanan

Aurora Auto Scaling menggunakan peran yang berkaitan dengan layanan AWSServiceRoleForApplicationAutoScaling_RDSCluster. Untuk informasi selengkapnya, lihat Peran yang ditautkan dengan layanan untuk Application Auto Scaling dalam Panduan Pengguna Application Auto Scaling.

Metrik target

Dalam jenis kebijakan ini, metrik yang sudah ditentukan sebelumnya atau khusus dan nilai target untuk metrik tersebut ditentukan dalam konfigurasi kebijakan penskalaan pelacakan target. Auto Scaling Aurora membuat dan CloudWatch mengelola alarm yang memicu kebijakan penskalaan dan menghitung penyesuaian penskalaan berdasarkan metrik dan nilai target. Kebijakan penskalaan menambah atau menghapus Replika Aurora yang diperlukan untuk menjaga metrik pada, atau mendekati, nilai target yang ditentukan. Selain menjaga metrik tetap dekat dengan nilai target, kebijakan penskalaan pelacakan target juga disesuaikan menurut fluktuasi metrik karena pola beban kerja yang berubah. Kebijakan tersebut juga meminimalkan fluktuasi cepat dalam jumlah Replika Aurora yang tersedia untuk klaster DB Anda.

Misalnya, ambil kebijakan penskalaan yang menggunakan metrik penggunaan CPU rata-rata standar. Kebijakan tersebut dapat menjaga pemanfaatan CPU pada, atau mendekati, persentase penggunaan tertentu, seperti 40 persen.

catatan

Untuk setiap klaster DB Aurora, Anda hanya dapat membuat satu kebijakan Penskalaan Otomatis untuk setiap metrik target.

Kapasitas minimum dan maksimum

Anda dapat menentukan jumlah maksimum Replika Aurora yang akan dikelola oleh Application Auto Scaling. Nilai ini harus diatur ke 0–15, dan harus sama dengan atau lebih besar dari nilai yang ditentukan untuk jumlah minimum Replika Aurora.

Anda dapat menentukan jumlah minimum Replika Aurora yang akan dikelola oleh Application Auto Scaling. Nilai ini harus diatur ke 0–15, dan harus sama dengan atau kurang dari nilai yang ditentukan untuk jumlah maksimum Replika Aurora.

catatan

Kapasitas minimum dan maksimum ditetapkan untuk klaster DB Aurora. Nilai yang ditentukan berlaku untuk semua kebijakan yang terkait dengan klaster DB Aurora.

Periode pendinginan

Anda dapat menyesuaikan daya respons kebijakan penskalaan pelacakan target dengan menambahkan periode pendinginan yang memengaruhi penskalaan klaster DB Aurora Anda ke dalam dan ke luar. Periode pendinginan memblokmintaan penskalaan ke dalam atau ke luar berikutnya hingga periode ini berakhir. Pemblokiran ini memperlambat penghapusan Replika Aurora dalam klaster DB Aurora Anda untuk permintaan penskalaan ke dalam, dan pembuatan Replika Aurora untuk permintaan penskalaan ke luar.

Anda dapat menentukan periode pendinginan berikut:

Aktivitas penskalaan ke dalam mengurangi jumlah Replika Aurora dalam klaster DB Aurora Anda. Periode pendinginan penskalaan ke dalam menentukan jumlah waktu, dalam detik, setelah aktivitas penskalaan ke dalam selesai sebelum aktivitas penskalaan ke dalam lainnya dapat dimulai.
Aktivitas penskalaan ke luar menambah jumlah Replika Aurora dalam klaster DB Aurora Anda. Periode pendinginan penskalaan ke luar menentukan jumlah waktu, dalam detik, setelah aktivitas penskalaan ke luar selesai sebelum aktivitas penskalaan ke luar lainnya dapat dimulai.

catatan
Periode pendinginan penskalaan ke luar diabaikan jika permintaan penskalaan ke luar berikutnya ditujukan untuk jumlah Replika Aurora yang lebih besar daripada permintaan pertama.

Jika Anda tidak mengatur periode pendinginan penskalaan masuk atau ke luar, nilai default untuk masing-masing adalah 300 detik.

Mengaktifkan atau menonaktifkan aktivitas penskalaan ke dalam

Anda dapat mengaktifkan atau menonaktifkan aktivitas penskalaan ke dalam untuk sebuah kebijakan. Mengaktifkan aktivitas penskalaan ke dalam memungkinkan kebijakan penskalaan untuk menghapus Replika Aurora. Saat aktivitas penskalaan ke dalam diaktifkan, periode pendinginan penskalaan ke dalam di kebijakan penskalaan berlaku untuk aktivitas penskalaan ke dalam. Menonaktifkan aktivitas penskalaan ke dalam akan mencegah kebijakan penskalaan menghapus Replika Aurora.

catatan

Aktivitas penskalaan ke luar selalu diaktifkan sehingga kebijakan penskalaan dapat membuat Replika Aurora sesuai kebutuhan.

Menambahkan kebijakan penskalaan untuk klaster DB Aurora

Anda dapat menambahkan kebijakan penskalaan menggunakan API AWS Management Console, Application Auto Scaling AWS CLI, atau Application Auto Scaling.

catatan

Untuk contoh yang menambahkan kebijakan penskalaan menggunakan AWS CloudFormation, lihat Mendeklarasikan kebijakan penskalaan untuk klaster DB Aurora di Panduan Pengguna.AWS CloudFormation

Anda dapat menambahkan kebijakan penskalaan ke cluster Aurora DB dengan menggunakan. AWS Management Console

Untuk menambahkan kebijakan penskalaan otomatis ke klaster DB Aurora

Masuk ke AWS Management Console dan buka konsol Amazon RDS di https://console.aws.amazon.com/rds/.
Di panel navigasi, pilih Basis data.
Pilih klaster DB Aurora yang ingin Anda tambahi kebijakan.
Pilih tab Log & peristiwa.
Pada bagian Kebijakan auto scaling, pilih Tambahkan.

Kotak dialog Tambahkan kebijakan Auto Scaling muncul.
Untuk Nama Kebijakan, ketik nama kebijakan.
Untuk metrik target, pilih salah satu dari berikut:
- Pemanfaatan CPU rata-rata dari Aurora Replicas untuk membuat kebijakan berdasarkan pemanfaatan CPU rata-rata.
- Koneksi rata-rata dari Aurora Replicas untuk membuat kebijakan berdasarkan jumlah koneksi rata-rata ke Replika Aurora.
Untuk nilai target, ketik salah satu dari berikut ini:
- Jika Anda memilih Pemanfaatan CPU rata-rata dari Aurora Replicas pada langkah sebelumnya, ketik persentase pemanfaatan CPU yang ingin Anda pertahankan pada Replika Aurora.
- Jika Anda memilih Koneksi rata-rata dari Aurora Replicas pada langkah sebelumnya, ketik jumlah koneksi yang ingin Anda pertahankan.
Replika Aurora ditambahkan atau dihapus untuk menjaga metrik tetap mendekati nilai yang ditentukan.
(Opsional) Perluas Konfigurasi Tambahan untuk membuat periode pendinginan penskalaan ke dalam atau ke luar.
Untuk Kapasitas minimum, ketik jumlah minimum Replika Aurora yang diwajibkan oleh kebijakan Aurora Auto Scaling untuk dipertahankan.
Untuk Kapasitas maksimum, ketik jumlah maksimum Replika Aurora yang diwajibkan oleh kebijakan Aurora Auto Scaling untuk dipertahankan.
Pilih Tambahkan kebijakan.

Kotak dialog berikut membuat kebijakan Penskalaan Otomatis berdasarkan pemanfaatan CPU rata-rata sebesar 40 persen. Kebijakan tersebut menentukan minimum 5 Replika Aurora dan maksimum 15 Replika Aurora.

Kotak dialog berikut membuat kebijakan penskalaan otomatis berdasarkan penggunaan koneksi rata-rata sebesar 100. Kebijakan tersebut menentukan minimum dua Replika Aurora dan maksimum delapan Replika Aurora.

Membuat kebijakan Penskalaan Otomatis berdasarkan koneksi rata-rata

Anda dapat menerapkan kebijakan penskalaan berdasarkan metrik standar atau kustom. Untuk melakukannya, Anda dapat menggunakan Application Auto Scaling AWS CLI API atau Application Auto Scaling. Langkah pertama adalah untuk mendaftarkan klaster DB Aurora Anda dengan Application Auto Scaling.

Mendaftarkan klaster DB Aurora

Sebelum Anda dapat menggunakan Aurora Auto Scaling dengan klaster DB Aurora, Anda perlu mendaftarkan klaster DB Aurora dengan Application Auto Scaling. Anda melakukannya untuk mendefinisikan dimensi dan batasan penskalaan yang akan diterapkan pada klaster tersebut. Application Auto Scaling menskalakan klaster DB Aurora secara dinamis bersama dengan dimensi rds:cluster:ReadReplicaCount yang dapat diskalakan, yang merepresentasikan jumlah Replika Aurora.

Untuk mendaftarkan cluster Aurora DB Anda, Anda dapat menggunakan Application Auto Scaling API AWS CLI atau Application Auto Scaling.

AWS CLI

Untuk mendaftarkan cluster Aurora DB Anda, gunakan register-scalable-target AWS CLI perintah dengan parameter berikut:

--service-namespace – Atur nilai ini ke rds.
--resource-id – Pengidentifikasi sumber daya untuk klaster DB Aurora. Untuk parameter ini, jenis sumber dayanya adalah cluster dan pengidentifikasi uniknya adalah nama klaster DB Aurora, misalnya cluster:myscalablecluster.
--scalable-dimension – Atur nilai ini ke rds:cluster:ReadReplicaCount.
--min-capacity – Jumlah minimum instans DB pembaca yang akan dikelola oleh Application Auto Scaling. Untuk informasi tentang hubungan antara --min-capacity, --max-capacity, dan jumlah instans DB dalam klaster Anda, lihat Kapasitas minimum dan maksimum.
--max-capacity – Jumlah maksimum instans DB pembaca yang akan dikelola oleh Application Auto Scaling. Untuk informasi tentang hubungan antara --min-capacity, --max-capacity, dan jumlah instans DB dalam klaster Anda, lihat Kapasitas minimum dan maksimum.

Dalam contoh berikut, Anda mendaftarkan klaster DB Aurora bernama myscalablecluster. Pendaftaran ini menunjukkan bahwa klaster DB harus diskalakan secara dinamis untuk memiliki satu hingga delapan Replika Aurora.

Untuk Linux, macOS, atau 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 \

Untuk 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

Untuk mendaftarkan klaster DB Aurora Anda dengan Application Auto Scaling, gunakan operasi API Application Auto Scaling RegisterScalableTarget dengan parameter berikut:

ServiceNamespace – Atur nilai ini ke rds.
ResourceID – Pengidentifikasi sumber daya untuk klaster DB Aurora. Untuk parameter ini, jenis sumber dayanya adalah cluster dan pengidentifikasi uniknya adalah nama klaster DB Aurora, misalnya cluster:myscalablecluster.
ScalableDimension – Atur nilai ini ke rds:cluster:ReadReplicaCount.
MinCapacity – Jumlah minimum instans DB pembaca yang akan dikelola oleh Application Auto Scaling. Untuk informasi tentang hubungan antara MinCapacity, MaxCapacity, dan jumlah instans DB dalam klaster Anda, lihat Kapasitas minimum dan maksimum.
MaxCapacity – Jumlah maksimum instans DB pembaca yang akan dikelola oleh Application Auto Scaling. Untuk informasi tentang hubungan antara MinCapacity, MaxCapacity, dan jumlah instans DB dalam klaster Anda, lihat Kapasitas minimum dan maksimum.

Dalam contoh berikut, Anda mendaftarkan klaster DB Aurora bernama myscalablecluster dengan API Application Auto Scaling. Pendaftaran ini menunjukkan bahwa klaster DB harus diskalakan secara dinamis untuk memiliki satu hingga delapan Replika 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
}

Menetapkan kebijakan penskalaan untuk klaster DB Aurora

Konfigurasi kebijakan penskalaan pelacakan target direpresentasikan oleh blok JSON yang digunakan untuk mendefinisikan metrik dan nilai target. Anda dapat menyimpan konfigurasi kebijakan penskalaan sebagai blok JSON dalam file teks. Anda menggunakan file teks tersebut saat menjalankan AWS CLI atau Application Auto Scaling API. Untuk informasi selengkapnya tentang sintaksis konfigurasi kebijakan, lihat TargetTrackingScalingPolicyConfiguration dalam Referensi API Application Auto Scaling.

Opsi berikut tersedia untuk menetapkan konfigurasi kebijakan penskalaan pelacakan target.

Topik

Menggunakan metrik standar
Menggunakan metrik kustom
Menggunakan periode pendinginan
Menonaktifkan aktivitas penskalaan ke dalam

Menggunakan metrik standar

Dengan menggunakan metrik standar, Anda dapat dengan cepat menentukan kebijakan penskalaan pelacakan target untuk klaster DB Aurora yang berfungsi baik, dengan pelacakan target dan penskalaan dinamis dalam Aurora Auto Scaling.

Saat ini, Aurora mendukung metrik standar berikut dalam Aurora Auto Scaling:

RDS ReaderAverage CPUUutilization — Nilai rata-rata CPUUtilization metrik di CloudWatch seluruh Replika Aurora di cluster Aurora DB.
RDS ReaderAverageDatabaseConnections — Nilai rata-rata DatabaseConnections metrik di semua Replika Aurora CloudWatch di cluster Aurora DB.

Untuk informasi selengkapnya tentang metrik CPUUtilization dan DatabaseConnections, lihat CloudWatch Metrik Amazon untuk Amazon Aurora.

Untuk menggunakan metrik standar dalam kebijakan penskalaan, Anda membuat konfigurasi pelacakan target untuk kebijakan penskalaan Anda. Konfigurasi ini harus menyertakan PredefinedMetricSpecification untuk metrik yang sudah ditentukan sebelumnya dan TargetValue untuk nilai target metrik tersebut.

contoh

Contoh berikut menjelaskan konfigurasi kebijakan umum untuk penskalaan pelacakan target untuk klaster DB Aurora. Dalam konfigurasi ini, metrik RDSReaderAverageCPUUtilization standar digunakan untuk menyesuaikan klaster DB Aurora berdasarkan pemanfaatan CPU rata-rata sebesar 40 persen di seluruh Replika Aurora.


{
    "TargetValue": 40.0,
    "PredefinedMetricSpecification":
    {
        "PredefinedMetricType": "RDSReaderAverageCPUUtilization"
    }
}

Menggunakan metrik kustom

Dengan menggunakan metrik kustom, Anda dapat menentukan kebijakan penskalaan pelacakan target yang memenuhi persyaratan kustom Anda. Anda dapat menentukan metrik kustom berdasarkan metrik Aurora apa pun yang berubah secara berbanding lurus dengan penskalaan.

Tidak semua metrik Aurora berfungsi untuk pelacakan target. Metrik harus berupa metrik pemanfaatan yang valid dan menjelaskan tingkat kesibukan sebuah instans. Nilai metrik harus meningkat atau menurun secara berbanding lurus dengan jumlah Replika Aurora dalam klaster DB Aurora. Peningkatan atau penurunan proporsional ini diperlukan untuk menggunakan data metrik untuk menskalakan ke luar atau ke dalam jumlah Replika Aurora secara proporsional.

contoh

Contoh berikut menjelaskan konfigurasi pelacakan target untuk kebijakan penskalaan. Dalam konfigurasi ini, metrik kustom menyesuaikan klaster DB Aurora berdasarkan penggunaan CPU rata-rata sebesar 50 persen di seluruh Replika Aurora dalam klaster DB Aurora bernama 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"
    }
}

Menggunakan periode pendinginan

Anda dapat menentukan nilai, dalam detik, untuk ScaleOutCooldown guna menambahkan periode pendinginan untuk menskalakan ke luar klaster DB Aurora Anda. Demikian pula, Anda dapat menentukan nilai, dalam detik, untuk ScaleInCooldown guna menambahkan periode pendinginan untuk menskalakan ke dalam klaster DB Aurora Anda. Untuk informasi selengkapnya tentang ScaleInCooldown dan ScaleOutCooldown, lihat TargetTrackingScalingPolicyConfiguration dalam Referensi API Application Auto Scaling.

Contoh berikut menjelaskan konfigurasi pelacakan target untuk kebijakan penskalaan. Dalam konfigurasi ini, metrik standar RDSReaderAverageCPUUtilization digunakan untuk menyesuaikan klaster DB Aurora berdasarkan pemanfaatan CPU rata-rata sebesar 40 persen di seluruh Replika Aurora dalam klaster DB Aurora tersebut. Konfigurasi ini menyediakan periode pendinginan penskalaan ke dalam selama 10 menit dan periode pendinginan penskalaan ke luar selama 5 menit.


{
    "TargetValue": 40.0,
    "PredefinedMetricSpecification":
    {
        "PredefinedMetricType": "RDSReaderAverageCPUUtilization"
    },
    "ScaleInCooldown": 600,
    "ScaleOutCooldown": 300
}

Menonaktifkan aktivitas penskalaan ke dalam

Anda dapat mencegah konfigurasi kebijakan penskalaan pelacakan target agar tidak menskalakan klaster DB Aurora ke dalam dengan menonaktifkan aktivitas penskalaan ke dalam. Menonaktifkan aktivitas penskalaan ke dalam akan mencegah kebijakan penskalaan menghapus Replika Aurora, tetapi masih memungkinkan kebijakan penskalaan membuat Replika Aurora sesuai kebutuhan.

Anda dapat menentukan nilai Boolean untuk DisableScaleIn guna mengaktifkan atau menonaktifkan aktivitas penskalaan ke dalam untuk klaster DB Aurora Anda. Untuk informasi selengkapnya tentang DisableScaleIn, lihat TargetTrackingScalingPolicyConfiguration dalam Referensi API Application Auto Scaling.

Contoh berikut menjelaskan konfigurasi pelacakan target untuk kebijakan penskalaan. Dalam konfigurasi ini, metrik RDSReaderAverageCPUUtilization standar menggunakan klaster DB Aurora berdasarkan pemanfaatan CPU rata-rata sebesar 40 persen di seluruh Replika Aurora dalam klaster DB Aurora tersebut. Konfigurasi ini menonaktifkan aktivitas penskalaan ke dalam untuk kebijakan penskalaan.


{
    "TargetValue": 40.0,
    "PredefinedMetricSpecification":
    {
        "PredefinedMetricType": "RDSReaderAverageCPUUtilization"
    },
    "DisableScaleIn": true
}

Menerapkan kebijakan penskalaan untuk klaster DB Aurora

Setelah mendaftarkan klaster DB Aurora Anda dengan Application Auto Scaling dan menentukan kebijakan penskalaan, Anda perlu menerapkan kebijakan penskalaan ini ke klaster DB Aurora yang terdaftar. Untuk menerapkan kebijakan penskalaan ke klaster Aurora DB, Anda dapat menggunakan AWS CLI Application Auto Scaling API atau Application Auto Scaling.

Untuk menerapkan kebijakan penskalaan ke cluster Aurora DB Anda, gunakan put-scaling-policy AWS CLI perintah dengan parameter berikut:

--policy-name – Nama kebijakan penskalaan.
--policy-type – Atur nilai ini ke TargetTrackingScaling.
--resource-id – Pengidentifikasi sumber daya untuk klaster DB Aurora. Untuk parameter ini, jenis sumber dayanya adalah cluster dan pengidentifikasi uniknya adalah nama klaster DB Aurora, misalnya cluster:myscalablecluster.
--service-namespace – Atur nilai ini ke rds.
--scalable-dimension – Atur nilai ini ke rds:cluster:ReadReplicaCount.
--target-tracking-scaling-policy-configuration – Konfigurasi kebijakan penskalaan pelacakan target untuk digunakan pada klaster DB Aurora.

Dalam contoh berikut, Anda menerapkan kebijakan penskalaan pelacakan target yang disebut myscalablepolicy ke klaster DB Aurora bernama myscalablecluster dengan Application Auto Scaling. Untuk melakukannya, Anda menggunakan konfigurasi kebijakan yang disimpan dalam file bernama config.json.

Untuk Linux, macOS, atau 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

Untuk 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

Untuk menerapkan kebijakan penskalaan pada klaster DB Aurora dengan API Application Auto Scaling, gunakan operasi PutScalingPolicy API Application Auto Scaling dengan parameter berikut:

PolicyName – Nama kebijakan penskalaan.
ServiceNamespace – Atur nilai ini ke rds.
ResourceID – Pengidentifikasi sumber daya untuk klaster DB Aurora. Untuk parameter ini, jenis sumber dayanya adalah cluster dan pengidentifikasi uniknya adalah nama klaster DB Aurora, misalnya cluster:myscalablecluster.
ScalableDimension – Atur nilai ini ke rds:cluster:ReadReplicaCount.
PolicyType – Atur nilai ini ke TargetTrackingScaling.
TargetTrackingScalingPolicyConfiguration – Konfigurasi kebijakan penskalaan pelacakan target untuk digunakan pada klaster DB Aurora.

Dalam contoh berikut, Anda menerapkan kebijakan penskalaan pelacakan target yang disebut myscalablepolicy ke klaster DB Aurora bernama myscalablecluster dengan Application Auto Scaling. Anda menggunakan konfigurasi kebijakan berdasarkan pada metrik standar 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"
        }
    }
}

Mengedit kebijakan penskalaan

Anda dapat mengedit kebijakan penskalaan menggunakan AWS Management Console, Application Auto Scaling AWS CLI API, atau Application Auto Scaling.

Anda dapat mengedit kebijakan penskalaan dengan menggunakan. AWS Management Console

Untuk mengedit kebijakan penskalaan untuk klaster DB Aurora

Masuk ke AWS Management Console dan buka konsol Amazon RDS di https://console.aws.amazon.com/rds/.
Di panel navigasi, pilih Basis data.
Pilih klaster DB Aurora yang kebijakan penskalaan otomatisnya ingin Anda edit.
Pilih tab Log & peristiwa.
Pada bagian Kebijakan auto scaling, pilih kebijakan penskalaan otomatis, lalu pilih Edit.
Buat perubahan pada kebijakan.
Pilih Simpan.

Berikut ini adalah contoh kotak dialog Edit kebijakan Auto Scaling.

Mengedit kebijakan penskalaan otomatis berdasarkan pemanfaatan CPU rata-rata

Anda dapat menggunakan Application Auto Scaling API AWS CLI atau Application Auto Scaling untuk mengedit kebijakan penskalaan dengan cara yang sama seperti Anda menerapkan kebijakan penskalaan:

Saat menggunakan AWS CLI, tentukan nama kebijakan yang ingin Anda edit di --policy-name parameter. Tentukan nilai baru untuk parameter yang ingin Anda ubah.
Saat menggunakan API Application Auto Scaling, tentukan nama kebijakan yang ingin Anda edit dalam parameter PolicyName. Tentukan nilai baru untuk parameter yang ingin Anda ubah.

Untuk informasi selengkapnya, lihat Menerapkan kebijakan penskalaan untuk klaster DB Aurora.

Menghapus kebijakan penskalaan

Anda dapat menghapus kebijakan penskalaan menggunakan API AWS Management Console, Application Auto Scaling AWS CLI, atau Application Auto Scaling.

Anda dapat menghapus kebijakan penskalaan menggunakan AWS Management Console.

Untuk menghapus kebijakan penskalaan untuk klaster DB Aurora

Masuk ke AWS Management Console dan buka konsol Amazon RDS di https://console.aws.amazon.com/rds/.
Di panel navigasi, pilih Basis data.
Pilih klaster DB Aurora yang kebijakan penskalaan otomatisnya ingin Anda hapus.
Pilih tab Log & peristiwa.
Pada bagian Kebijakan auto scaling, pilih kebijakan penskalaan otomatis, lalu pilih Hapus.

Untuk menghapus kebijakan penskalaan dari klaster Aurora DB Anda, gunakan delete-scaling-policy AWS CLI perintah dengan parameter berikut:

--policy-name – Nama kebijakan penskalaan.
--resource-id – Pengidentifikasi sumber daya untuk klaster DB Aurora. Untuk parameter ini, jenis sumber dayanya adalah cluster dan pengidentifikasi uniknya adalah nama klaster DB Aurora, misalnya cluster:myscalablecluster.
--service-namespace – Atur nilai ini ke rds.
--scalable-dimension – Atur nilai ini ke rds:cluster:ReadReplicaCount.

Dalam contoh berikut, Anda menghapus kebijakan penskalaan pelacakan target bernama myscalablepolicy dari klaster DB Aurora bernama myscalablecluster.

Untuk Linux, macOS, atau Unix:



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

Untuk Windows:



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

Untuk menghapus kebijakan penskalaan dari klaster DB Aurora Anda, gunakan operasi DeleteScalingPolicy API Application Auto Scaling dengan parameter berikut:

PolicyName – Nama kebijakan penskalaan.
ServiceNamespace – Atur nilai ini ke rds.
ResourceID – Pengidentifikasi sumber daya untuk klaster DB Aurora. Untuk parameter ini, jenis sumber dayanya adalah cluster dan pengidentifikasi uniknya adalah nama klaster DB Aurora, misalnya cluster:myscalablecluster.
ScalableDimension – Atur nilai ini ke rds:cluster:ReadReplicaCount.

Dalam contoh berikut, Anda menghapus kebijakan penskalaan pelacakan target bernama myscalablepolicy dari klaster DB Aurora bernama myscalablecluster dengan 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 dan pemberian tag instans DB

Ketika replika ditambahkan oleh Aurora Auto Scaling, ID instans DB-nya diberi awalan application-autoscaling-, misalnya, application-autoscaling-61aabbcc-4e2f-4c65-b620-ab7421abc123.

Tag berikut secara otomatis ditambahkan ke instans DB. Anda dapat melihatnya di tab Tanda pada halaman detail instans DB.

Tag	Nilai
application-autoscaling:resourceId	cluster:mynewcluster-cluster

Untuk informasi selengkapnya tentang tag sumber daya Amazon RDS, lihat Memberi tag pada sumber daya Amazon RDS.

Aurora Auto Scaling dan Wawasan Performa

Anda dapat menggunakan Wawasan Performa untuk memantau replika yang telah ditambahkan oleh Aurora Auto Scaling, sama seperti instans DB pembaca Aurora lainnya.

Anda tidak dapat mengaktifkan Wawasan Performa untuk klaster DB Aurora. Anda dapat mengaktifkan Wawasan Performa secara manual untuk setiap instans DB dalam klaster DB.

Saat Anda mengaktifkan Wawasan Performa untuk instans DB penulis di klaster DB Aurora Anda, Wawasan Performa tidak diaktifkan secara otomatis untuk instans DB pembaca. Anda harus mengaktifkan Wawasan Performa secara manual untuk instans DB pembaca yang ada dan replika baru yang ditambahkan oleh Aurora Auto Scaling.

Untuk informasi selengkapnya tentang penggunaan Wawasan Performa untuk memantau klaster DB Aurora, lihat Memantau muatan DB dengan Wawasan Performa di Amazon Aurora.

Awas Javascript dinonaktifkan atau tidak tersedia di browser Anda.

Untuk menggunakan Dokumentasi AWS, Javascript harus diaktifkan. Lihat halaman Bantuan browser Anda untuk petunjuk.

Konvensi Dokumen

Mengintegrasikan dengan layanan AWS

Memelihara klaster DB Aurora