向 Amazon Aurora 数据库集群添加自动扩缩策略 - Amazon Aurora

向 Amazon Aurora 数据库集群添加自动扩缩策略

您可以使用AWS Management Console、AWS CLI 或 Application Auto Scaling API 添加扩展策略。

注意

有关使用 AWS CloudFormation 添加扩展策略的示例，请参阅 AWS CloudFormation 用户指南中声明 Aurora 数据库集群的扩展策略。

您可以使用AWS Management Console将扩展策略添加到 Aurora 数据库集群中。

在 Aurora 数据库集群中添加 Auto Scaling 策略

  1. 登录AWS Management Console并通过以下网址打开 Amazon RDS 控制台：https://console.aws.amazon.com/rds/。

  2. 在导航窗格中，选择 Databases (数据库)。

  3. 选择要添加策略的 Aurora 数据库集群。

  4. 选择 Logs & events (日志和事件) 选项卡。

  5. 在 Auto Scaling 策略部分中，选择添加。

    将显示添加 Auto Scaling 策略对话框。

  6. 对于 Policy Name (策略名称)，键入策略名称。

  7. 对于目标指标，请选择以下选项之一：

    • Aurora 副本的平均 CPU 使用率，用于创建基于平均 CPU 使用率的策略。

    • Aurora 副本的平均连接数，用于创建基于 Aurora 副本的平均连接数的策略。

  8. 对于目标值，请键入以下值之一：

    • 如果在上一步中选择 Aurora 副本的平均 CPU 使用率，请键入要在 Aurora 副本上保持的 CPU 使用率百分比。

    • 如果在上一步中选择 Aurora 副本的平均连接数，请键入要保持的连接数。

    将添加或删除 Aurora 副本以使指标接近于指定的值。

  9. （可选）展开 Additional Configuration（附加配置）以创建横向缩减或横向扩展冷却时间。

  10. 对于最小容量，请键入 Aurora Auto Scaling 策略需要保持的最小 Aurora 副本数。

  11. 对于最大容量，请键入 Aurora Auto Scaling 策略需要保持的最大 Aurora 副本数。

  12. 选择添加策略。

以下对话框创建一个基于平均 CPU 使用率 40% 的 Auto Scaling 策略。该策略指定最少 5 个 Aurora 副本，最多 15 个 Aurora 副本。

创建基于平均 CPU 使用率的 Auto Scaling 策略

以下对话框创建一个基于平均连接数 100 的 Auto Scaling 策略。该策略指定最少 2 个 Aurora 副本，最多 8 个 Aurora 副本。

创建基于平均连接数的 Auto Scaling 策略

您可以应用基于预定义或自定义指标的扩展策略。为此，您可以使用 AWS CLI 或 Application Auto Scaling API。第一步是在 Application Auto Scaling 中注册 Aurora 数据库集群。

注册 Aurora 数据库集群

您必须先在 Application Auto Scaling 中注册 Aurora 数据库集群，然后才能在 Aurora 数据库集群中使用 Aurora Auto Scaling。这样做是为了定义应用于该集群的扩展维度和限制。Application Auto Scaling 沿 rds:cluster:ReadReplicaCount 可扩展维度动态扩展 Aurora 数据库集群，它表示 Aurora 副本的数量。

要注册 Aurora 数据库集群，您可以使用 AWS CLI 或 Application Auto Scaling API。

AWS CLI

要注册 Aurora 数据库集群，请使用具有以下参数的 register-scalable-target AWS CLI 命令：

  • --service-namespace – 将该值设置为 rds。

  • --resource-id – Aurora 数据库集群的资源标识符。对于该参数，资源类型为 cluster，唯一标识符为 Aurora 数据库集群的名称，例如，cluster:myscalablecluster。

  • --scalable-dimension – 将该值设置为 rds:cluster:ReadReplicaCount。

  • --min-capacity – 由 Application Auto Scaling 管理的最小读取器数据库实例数。有关集群中 --min-capacity、--max-capacity 和数据库实例数之间关系的信息，请参阅 最小和最大容量。

  • --max-capacity – 由 Application Auto Scaling 管理的最大读取器数据库实例数。有关集群中 --min-capacity、--max-capacity 和数据库实例数之间关系的信息，请参阅 最小和最大容量。

在以下示例中，您注册一个名为 myscalablecluster 的 Aurora 数据库集群。该注册表示应动态扩展数据库集群以具有 1-8 个 Aurora 副本。

对于 Linux、macOS 或 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 \

对于 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 ^

Application Auto Scaling API

要在 Application Auto Scaling 中注册 Aurora 数据库集群，请使用具有以下参数的 RegisterScalableTarget Application Auto Scaling API 操作：

  • ServiceNamespace – 将该值设置为 rds。

  • ResourceID – Aurora 数据库集群的资源标识符。对于该参数，资源类型为 cluster，唯一标识符为 Aurora 数据库集群的名称，例如，cluster:myscalablecluster。

  • ScalableDimension – 将该值设置为 rds:cluster:ReadReplicaCount。

  • MinCapacity – 由 Application Auto Scaling 管理的最小读取器数据库实例数。有关集群中 MinCapacity、MaxCapacity 和数据库实例数之间关系的信息，请参阅 最小和最大容量。

  • MaxCapacity – 由 Application Auto Scaling 管理的最大读取器数据库实例数。有关集群中 MinCapacity、MaxCapacity 和数据库实例数之间关系的信息，请参阅 最小和最大容量。

在以下示例中，您使用 Application Auto Scaling API 注册一个名为 myscalablecluster 的 Aurora 数据库集群。该注册表示应动态扩展数据库集群以具有 1-8 个 Aurora 副本。

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
}

为 Aurora 数据库集群定义扩展策略

目标跟踪扩展策略配置是由 JSON 块表示的，其中定义了指标和目标值。您可以在文本文件中将扩展策略配置保存为 JSON 块。在调用 AWS CLI 或 Application Auto Scaling API 时，您可以使用该文本文件。有关策略配置语法的更多信息，请参阅 Application Auto Scaling API 参考 中的 TargetTrackingScalingPolicyConfiguration。

可以使用以下选项定义目标跟踪扩展策略配置。

使用预定义的指标

通过使用预定义的指标，您可以快速为 Aurora 数据库集群定义目标跟踪扩展策略，它非常适合 Aurora Auto Scaling 中的目标跟踪和动态扩展。

目前，Aurora 在 Aurora Auto Scaling 中支持以下预定义指标：

  • RDSReaderAverageCPUUtilization – CloudWatch 中的 CPUUtilization 指标在 Aurora 数据库集群的所有 Aurora 副本中的平均值。

  • RDSReaderAverageDatabaseConnections – CloudWatch 中的 DatabaseConnections 指标在 Aurora 数据库集群的所有 Aurora 副本中的平均值。

有关 CPUUtilization 和 DatabaseConnections 指标的更多信息，请参阅Amazon Aurora 的 Amazon CloudWatch 指标。

要在扩展策略中使用预定义的指标，您需要为扩展策略创建一个目标跟踪配置。该配置必须包含 PredefinedMetricSpecification 以表示预定义的指标，并包含 TargetValue 以表示该指标的目标值。

例

以下示例说明了 Aurora 数据库集群的典型目标跟踪扩展策略配置。在该配置中，RDSReaderAverageCPUUtilization 预定义指标用于根据所有 Aurora 副本中的平均 CPU 使用率 40% 调整 Aurora 数据库集群。

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

使用自定义指标

通过使用自定义指标，您可以定义满足您的自定义要求的目标跟踪扩展策略。您可以根据随扩展按比例变化的任何 Aurora 指标定义一个自定义指标。

并非所有 Aurora 指标都适用于目标跟踪。指标必须是有效的使用率指标，它用于描述实例的繁忙程度。指标值必须随 Aurora 数据库集群中的 Aurora 副本数按比例增加或减少。要使用指标数据按比例扩展或缩减 Aurora 副本数，必须按比例进行这种增加或减少。

例

以下示例说明了扩展策略的目标跟踪配置。在该配置中，一个自定义指标根据名为 my-db-cluster 的 Aurora 数据库集群的所有 Aurora 副本中的平均 CPU 使用率 50% 调整该 Aurora 数据库集群。

{
    "TargetValue": 50,
    "CustomizedMetricSpecification":
    {
        "MetricName": "CPUUtilization",
        "Namespace": "AWS/RDS",
        "Dimensions": [
            {"Name": "DBClusterIdentifier","Value": "my-db-cluster"},
            {"Name": "Role","Value": "READER"}
        ],
        "Statistic": "Average",
        "Unit": "Percent"
    }
}

使用冷却时间

您可以为 ScaleOutCooldown 指定一个值（秒）以添加扩展 Aurora 数据库集群的冷却时间。同样，您可以为 ScaleInCooldown 添加一个值（秒）以添加缩减 Aurora 数据库集群的冷却时间。有关 ScaleInCooldown 和 ScaleOutCooldown 的更多信息，请参阅 Application Auto Scaling API 参考 中的 TargetTrackingScalingPolicyConfiguration。

以下示例说明了扩展策略的目标跟踪配置。在此配置中，RDSReaderAverageCPUUtilization 预定义指标用于根据 Aurora 数据库集群中所有 Aurora 副本上 40% 的平均 CPU 利用率来调整该 Aurora 数据库集群。该配置将缩减冷却时间指定为 10 分钟，并将扩展冷却时间指定为 5 分钟。

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

禁用缩减活动

您可以禁用缩减活动以禁止目标跟踪扩展策略配置缩减 Aurora 数据库集群。禁用缩减活动将禁止扩展策略删除 Aurora 副本，同时仍允许扩展策略根据需要创建副本。

您可以为 DisableScaleIn 指定一个布尔值，以便为 Aurora 数据库集群启用或禁用缩减活动。有关 DisableScaleIn 的更多信息，请参阅 Application Auto Scaling API 参考 中的 TargetTrackingScalingPolicyConfiguration。

以下示例说明了扩展策略的目标跟踪配置。在该配置中，RDSReaderAverageCPUUtilization 预定义指标根据一个 Aurora 数据库集群的所有 Aurora 副本中的平均 CPU 使用率 40% 调整该 Aurora 数据库集群。该配置禁用扩展策略的缩减活动。

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

为 Aurora 数据库集群应用扩展策略

在 Application Auto Scaling 中注册 Aurora 数据库集群并定义扩展策略后，您可以将扩展策略应用于注册的 Aurora 数据库集群。要将扩展策略应用于 Aurora 数据库集群，您可以使用 AWS CLI 或 Application Auto Scaling API。

要将扩展策略应用于 Aurora 数据库集群，请使用具有以下参数的 put-scaling-policy AWS CLI 命令：

  • --policy-name – 扩展策略的名称。

  • --policy-type – 将该值设置为 TargetTrackingScaling。

  • --resource-id – Aurora 数据库集群的资源标识符。对于该参数，资源类型为 cluster，唯一标识符为 Aurora 数据库集群的名称，例如，cluster:myscalablecluster。

  • --service-namespace – 将该值设置为 rds。

  • --scalable-dimension – 将该值设置为 rds:cluster:ReadReplicaCount。

  • --target-tracking-scaling-policy-configuration – 用于 Aurora 数据库集群的目标跟踪扩展策略配置。

在以下示例中，您使用 Application Auto Scaling 将名为 myscalablepolicy 的目标跟踪扩展策略应用于名为 myscalablecluster 的 Aurora 数据库集群。为此，请使用在名为 config.json 的文件中保存的策略配置。

对于 Linux、macOS 或 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

对于 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

要使用 Application Auto Scaling API 将扩展策略应用于 Aurora 数据库集群，请使用具有以下参数的 PutScalingPolicy Application Auto Scaling API 操作：

  • PolicyName – 扩展策略的名称。

  • ServiceNamespace – 将该值设置为 rds。

  • ResourceID – Aurora 数据库集群的资源标识符。对于该参数，资源类型为 cluster，唯一标识符为 Aurora 数据库集群的名称，例如，cluster:myscalablecluster。

  • ScalableDimension – 将该值设置为 rds:cluster:ReadReplicaCount。

  • PolicyType – 将该值设置为 TargetTrackingScaling。

  • TargetTrackingScalingPolicyConfiguration – 用于 Aurora 数据库集群的目标跟踪扩展策略配置。

在以下示例中，您使用 Application Auto Scaling 将名为 myscalablepolicy 的目标跟踪扩展策略应用于名为 myscalablecluster 的 Aurora 数据库集群。您使用的策略配置基于 RDSReaderAverageCPUUtilization 预定义指标。


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"
        }
    }
}