Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Kennzahlen zur Nutzung des Amazon ECS-Service
Die Kennzahlen zur Servicenutzung sind für CPU, Arbeitsspeicher und, wenn Ihren Aufgaben ein EBS-Volume zugeordnet ist, für die EBS-Dateisystemauslastung verfügbar. Die Service Level-Metriken werden für Services unterstützt, deren Aufgaben sowohl auf EC2 Amazon-Instances als auch auf Fargate gehostet werden.
CPU- und Speicherauslastung auf Service-Ebene
Die CPU- und Speicherauslastung wird als Prozentsatz der CPU und des Speichers gemessen, der von den Amazon ECS-Aufgaben verwendet wird, die zu einem Service auf einem Cluster gehören, verglichen mit der CPU und dem Speicher, die in der Aufgabendefinition des Services angegeben sind.
(Total CPU units used by tasks in service) x 100
Service CPU utilization = ----------------------------------------------------------------------------
(Total CPU units specified in task definition) x (number of tasks in service)
(Total MiB of memory used by tasks in service) x 100
Service memory utilization = --------------------------------------------------------------------------------
(Total MiB of memory specified in task definition) x (number of tasks in service)
Jede Minute berechnet der Amazon ECS-Container-Agent die Anzahl der CPU-Einheiten und MiB Arbeitsspeicher, die derzeit für jede Aufgabe verwendet werden, die dem Service gehört, und diese Informationen werden an Amazon ECS zurückgemeldet. Die Gesamtmenge an CPU und Arbeitsspeicher, die für alle Aufgaben verwendet werden, die dem Service gehören und auf dem Cluster ausgeführt werden, wird berechnet. Diese Zahlen werden CloudWatch als Prozentsatz der Gesamtressourcen ausgewiesen, die für den Service in der Aufgabendefinition des Services angegeben sind. Wenn Sie ein Soft-Limit (memoryReservation
) angeben, dann wird es zur Berechnung der Größe des reservierten Speichers verwendet. Andernfalls wird ein hartes Limit (memory
) verwendet. Weitere Informationen zu festen und weichen Grenzwerten finden Sie unterAufgabengröße.
Beispielsweise spezifiziert die Aufgabendefinition für einen Service eine Gesamtmenge von 512 CPU-Einheiten und 1.024 MiB Arbeitsspeicher (mit dem memory
-Parameter als hartes Limit) für alle ihre Container. Der Service hat eine gewünschte Anzahl von 1 laufenden Aufgabe; er wird auf einem Cluster mit 1 c4.large
-Container-Instance (mit 2.048 CPU-Einheiten und 3.768 MiB Gesamtarbeitsspeicher) ausgeführt, und es gibt keine anderen Aufgaben, die auf dem Cluster ausgeführt werden. Obwohl die Aufgabe 512 CPU-Einheiten angibt, da sie die einzige laufende Aufgabe auf einer Container-Instance mit 2 048 CPU-Einheiten ist, kann sie bis zum Vierfachen der spezifizierten Menge (2 048/512) verwenden. Jedoch ist der spezifizierte Arbeitsspeicher von 1.024 MiB ein hartes Limit, das nicht überschritten werden kann. Daher kann die Service-Speichernutzung in diesem Fall 100 % nicht überschreiten.
Wenn im vorherigen Beispiel das Soft-Limit memoryReservation
anstelle des Hard-Limit-Parameters memory
verwendet worden wäre, könnten die Aufgaben des Services bei Bedarf mehr als die angegebenen 1.024 MiB Speicher verbrauchen. In diesem Fall könnte die Arbeitsspeichernutzung des Service 100 % überschreiten.
Wenn Ihre Anwendung für kurze Zeit einen plötzlichen Anstieg der Speicherauslastung verzeichnet, werden Sie keinen Anstieg der Service-Speicherauslastung feststellen, da Amazon ECS jede Minute mehrere Datenpunkte sammelt und sie dann zu einem Datenpunkt zusammenfasst, an den gesendet wird. CloudWatch
Wenn diese Aufgabe während eines Zeitraums CPU-intensive Arbeiten ausführt und alle 2 048 verfügbaren CPU-Einheiten und 512 MiB Arbeitsspeicher nutzt, meldet der Service 400 % CPU- und 50 % Speichernutzung. Wenn die Aufgabe im Leerlauf ist und 128 CPU-Einheiten und 128 MiB Arbeitsspeicher nutzt, meldet der Service 25 % CPU- und 12,5 % Speichernutzung.
Anmerkung
In diesem Beispiel geht die CPU-Auslastung nur über 100 %, wenn die CPU-Einheiten auf Containerebene definiert sind. Wenn Sie CPU-Einheiten auf Task-Ebene definieren, geht die Auslastung nicht über das definierte Limit auf Task-Ebene.
Nutzung des EBS-Dateisystems auf Service-Level
Die Nutzung des EBS-Dateisystems auf Service-Level wird als Gesamtmenge des EBS-Dateisystems gemessen, das von den Aufgaben verwendet wird, die zum Dienst gehören, geteilt durch die Gesamtmenge an EBS-Dateisystemspeicher, die allen Aufgaben zugewiesen ist, die zum Dienst gehören.
(Total GB of EBS filesystem used by tasks in the service x 100)
Service EBS filesystem utilization = -----------------------------------------------------------------
(Total GB of EBS filesystem allocated to tasks in the service)
Service RUNNING
-Aufgabenzähler
Sie können CloudWatch Metriken verwenden, um die Anzahl der Aufgaben in Ihren Diensten anzuzeigen, die sich im Status befinden. RUNNING
Sie können beispielsweise einen CloudWatch Alarm für diese Metrik einrichten, der Sie benachrichtigt, wenn die Anzahl der laufenden Aufgaben in Ihrem Service unter einen bestimmten Wert fällt.
Anzahl der RUNNING
Serviceaufgaben in Amazon ECS CloudWatch Container Insights
Eine Metrik „Anzahl ausgeführter Aufgaben“ (RunningTaskCount
) ist pro Cluster und pro Service verfügbar, wenn Sie Amazon ECS CloudWatch Container Insights verwenden. Sie können Container Insights für alle neuen Cluster verwenden, die erstellt wurden, indem Sie sich für die containerInsights
Kontoeinstellung entscheiden, für einzelne Cluster, indem Sie die Cluster-Einstellungen während der Cluster-Erstellung aktivieren, oder für bestehende Cluster, indem Sie die UpdateClusterSettings API verwenden. Von CloudWatch Container Insights gesammelte Metriken werden als benutzerdefinierte Metriken berechnet. Weitere Informationen zu CloudWatch -Preisen erhalten Sie unter CloudWatch – Preise
Informationen zu dieser Metrik finden Sie unter Amazon ECS Container Insights-Metriken im CloudWatch Amazon-Benutzerhandbuch.