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. # Auswerten Ihrer bereitgestellten Kapazität, um eine angemessene Bereitstellung zu erzielen Dieser Abschnitt bietet einen Überblick darüber, wie Sie beurteilen können, ob Ihre Amazon Keyspaces-Tabellen über die richtige Größe für die Bereitstellung verfügen. Wenn sich Ihre Arbeitslast weiterentwickelt, sollten Sie Ihre Betriebsabläufe entsprechend ändern, insbesondere wenn Ihre Amazon Keyspaces-Tabelle im Bereitstellungsmodus konfiguriert ist und Sie das Risiko einer Über- oder Unterbereitstellung Ihrer Tabellen eingehen. Die in diesem Abschnitt beschriebenen Verfahren erfordern statistische Informationen, die aus den Amazon Keyspaces-Tabellen erfasst werden sollten, die Ihre Produktionsanwendung unterstützen. Um Ihr Anwendungsverhalten zu verstehen, sollten Sie einen Zeitraum definieren, der signifikant genug ist, um die saisonale Datenabhängigkeit Ihrer Anwendung zu erfassen. Wenn Ihre Anwendung beispielsweise wöchentliche Muster aufweist, sollte ein Zeitraum von drei Wochen ausreichen, um die Anforderungen an den Anwendungsdurchsatz zu analysieren. Wenn Sie nicht wissen, wo Sie anfangen sollen, verwenden Sie für die folgenden Berechnungen die Datennutzung von mindestens einem Monat. Bei der Bewertung der Kapazität können Sie für Amazon Keyspaces-Tabellen **Lesekapazitätseinheiten (RCUs)** und **Schreibkapazitätseinheiten (WCU)** unabhängig voneinander konfigurieren. **Topics** + [So rufen Sie Verbrauchsmetriken aus Ihren Amazon Keyspaces-Tabellen ab](#CostOptimization_RightSizedProvisioning_ConsumptionMetrics) + [So identifizieren Sie Amazon Keyspaces-Tabellen mit unzureichender Bereitstellung](#CostOptimization_RightSizedProvisioning_UnderProvisionedTables) + [So identifizieren Sie übermäßig bereitgestellte Amazon Keyspaces-Tabellen](#CostOptimization_RightSizedProvisioning_OverProvisionedTables) ## So rufen Sie Verbrauchsmetriken aus Ihren Amazon Keyspaces-Tabellen ab Um die Tabellenkapazität zu bewerten, überwachen Sie die folgenden CloudWatch Kennzahlen und wählen Sie die entsprechende Dimension aus, um Tabelleninformationen abzurufen: | Lesekapazitätseinheiten | Schreibkapazitätseinheiten | | --- | --- | | `ConsumedReadCapacityUnits` | `ConsumedWriteCapacityUnits` | | `ProvisionedReadCapacityUnits` | `ProvisionedWriteCapacityUnits` | | `ReadThrottleEvents` | `WriteThrottleEvents` | Sie können dies entweder über die AWS CLI oder die tun AWS-Managementkonsole. ------ #### [ AWS CLI ] Bevor Sie die Kennzahlen zum Tabellenverbrauch abrufen, müssen Sie zunächst einige historische Datenpunkte mithilfe der CloudWatch API erfassen. Erstellen Sie zunächst zwei Dateien: `write-calc.json` und `read-calc.json`. Diese Dateien stellen die Berechnungen für die Tabelle dar. Sie müssen einige der Felder aktualisieren, wie in der Tabelle unten angegeben, damit sie zu Ihrer Umgebung passen. **Anmerkung** Wenn der Tabellenname in Ihrem Konto nicht eindeutig ist, müssen Sie auch den Namen des Schlüsselraums angeben. | Feldname | Definition | Beispiel | | --- | --- | --- | | | Der Name der Tabelle, die Sie analysieren | SampleTable | | | Der Zeitraum, den Sie zur Bewertung des Nutzungsziels verwenden, basierend auf Sekunden | Für einen Zeitraum von 1 Stunde müssen Sie Folgendes angeben: 3600 | | | Der Beginn Ihres Bewertungsintervalls, angegeben im ISO8601 Format | 2022-02-21T23:00:00 | | | Das Ende Ihres Bewertungsintervalls, angegeben im ISO8601 Format | 2022-02-22T06:00:00 | Die Datei mit Schreibberechnungen ruft die Anzahl der WCUs ab, die im angegebenen Zeitraum für den angegebenen Zeitraum bereitgestellt und verbraucht wurden. Außerdem wird ein Nutzungsprozentsatz generiert, der für Analysen verwendet werden kann. Der vollständige Inhalt der `write-calc.json` Datei sollte wie im folgenden Beispiel aussehen. ``` { "MetricDataQueries": [ { "Id": "provisionedWCU", "MetricStat": { "Metric": { "Namespace": "AWS/Cassandra", "MetricName": "ProvisionedWriteCapacityUnits", "Dimensions": [ { "Name": "TableName", "Value": "" } ] }, "Period": , "Stat": "Average" }, "Label": "Provisioned", "ReturnData": false }, { "Id": "consumedWCU", "MetricStat": { "Metric": { "Namespace": "AWS/Cassandra", "MetricName": "ConsumedWriteCapacityUnits", "Dimensions": [ { "Name": "TableName", "Value": """ } ] }, "Period": , "Stat": "Sum" }, "Label": "", "ReturnData": false }, { "Id": "m1", "Expression": "consumedWCU/PERIOD(consumedWCU)", "Label": "Consumed WCUs", "ReturnData": false }, { "Id": "utilizationPercentage", "Expression": "100*(m1/provisionedWCU)", "Label": "Utilization Percentage", "ReturnData": true } ], "StartTime": "", "EndTime": "", "ScanBy": "TimestampDescending", "MaxDatapoints": 24 } ``` Die gelesene Berechnungsdatei verwendet ähnliche Metriken. Diese Datei ruft ab, wie viele während des angegebenen Zeitraums bereitgestellt und genutzt RCUs wurden. Der Inhalt der `read-calc.json` Datei sollte wie in diesem Beispiel aussehen. ``` { "MetricDataQueries": [ { "Id": "provisionedRCU", "MetricStat": { "Metric": { "Namespace": "AWS/Cassandra", "MetricName": "ProvisionedReadCapacityUnits", "Dimensions": [ { "Name": "TableName", "Value": "" } ] }, "Period": , "Stat": "Average" }, "Label": "Provisioned", "ReturnData": false }, { "Id": "consumedRCU", "MetricStat": { "Metric": { "Namespace": "AWS/Cassandra", "MetricName": "ConsumedReadCapacityUnits", "Dimensions": [ { "Name": "TableName", "Value": "" } ] }, "Period": , "Stat": "Sum" }, "Label": "", "ReturnData": false }, { "Id": "m1", "Expression": "consumedRCU/PERIOD(consumedRCU)", "Label": "Consumed RCUs", "ReturnData": false }, { "Id": "utilizationPercentage", "Expression": "100*(m1/provisionedRCU)", "Label": "Utilization Percentage", "ReturnData": true } ], "StartTime": "", "EndTime": "", "ScanBy": "TimestampDescending", "MaxDatapoints": 24 } ``` Sobald Sie die Dateien erstellt haben, können Sie mit dem Abrufen der Nutzungsdaten beginnen. 1. Geben Sie den folgenden Befehl ein, um die Schreibauslastungsdaten abzurufen: ``` aws cloudwatch get-metric-data --cli-input-json file://write-calc.json ``` 1. Geben Sie den folgenden Befehl ein, um die Lesenutzungsdaten abzurufen: ``` aws cloudwatch get-metric-data --cli-input-json file://read-calc.json ``` Das Ergebnis für beide Abfragen ist eine Reihe von Datenpunkten im JSON-Format, die für Analysen verwendet werden können. Ihre Ergebnisse hängen von der Anzahl der von Ihnen angegebenen Datenpunkte, dem Zeitraum und Ihren eigenen spezifischen Workload-Daten ab. Es könnte wie im folgenden Beispiel aussehen. ``` { "MetricDataResults": [ { "Id": "utilizationPercentage", "Label": "Utilization Percentage", "Timestamps": [ "2022-02-22T05:00:00+00:00", "2022-02-22T04:00:00+00:00", "2022-02-22T03:00:00+00:00", "2022-02-22T02:00:00+00:00", "2022-02-22T01:00:00+00:00", "2022-02-22T00:00:00+00:00", "2022-02-21T23:00:00+00:00" ], "Values": [ 91.55364583333333, 55.066631944444445, 2.6114930555555556, 24.9496875, 40.94725694444445, 25.61819444444444, 0.0 ], "StatusCode": "Complete" } ], "Messages": [] } ``` **Anmerkung** Wenn Sie einen kurzen Zeitraum und einen langen Zeitraum angeben, müssen Sie möglicherweise den `MaxDatapoints` Wert ändern, der im Skript standardmäßig auf 24 gesetzt ist. Dies entspricht einem Datenpunkt pro Stunde und 24 pro Tag. ------ #### [ AWS-Managementkonsole ] 1. Melden Sie sich bei an AWS-Managementkonsole und navigieren Sie zur CloudWatch Serviceseite unter [Erste Schritte mit dem AWS-Managementkonsole](https://docs.aws.amazon.com/awsconsolehelpdocs/latest/gsg/getting-started.html). Wählen Sie bei AWS-Region Bedarf das entsprechende aus. 1. Suchen Sie in der linken Navigationsleiste den Abschnitt Metriken und wählen Sie **Alle Metriken** aus. 1. Dadurch wird ein Dashboard mit zwei Bedienfeldern geöffnet. Im oberen Bereich wird die Grafik angezeigt, und im unteren Bereich befinden sich die Kennzahlen, die Sie grafisch darstellen möchten. Wählen Sie das Amazon Keyspaces-Panel. 1. Wählen Sie in den Unterfenstern die Kategorie **Tabellenmetriken** aus. Dies zeigt Ihnen die Tabellen in Ihrer aktuellen Version AWS-Region. 1. Ermitteln Sie Ihren Tabellennamen, indem Sie im Menü nach unten scrollen und die Metriken für Schreibvorgänge auswählen: `ConsumedWriteCapacityUnits` und `ProvisionedWriteCapacityUnits`. **Anmerkung** In diesem Beispiel geht es um Metriken für Schreibvorgänge, Sie können diese Schritte jedoch auch verwenden, um die Metriken für Lesevorgänge grafisch darzustellen. 1. Wählen Sie die Registerkarte **Graphed metrics (2)** (Grafisch dargestellte Metriken (2)) aus, um die Formeln zu ändern. CloudWatch Wählt standardmäßig die statistische Funktion **Durchschnitt** für die Grafiken. 1. Wenn beide grafisch dargestellten Metriken ausgewählt sind (Kontrollkästchen auf der linken Seite), wählen Sie das Menü **Add math** (Math. hinzufügen), dann **Common** (Allgemein) und schließlich die Funktion **Percentage** (Prozent) aus. Wiederholen Sie den Vorgang zweimal. Wählen Sie zum ersten Mal die **Prozentfunktion** aus. Wählen Sie zum zweiten Mal die Funktion **Percentage** aus. 1. Zu diesem Zeitpunkt sollten vier Metriken im unteren Menü aufgeführt sein. Befassen wir uns nun mit der Berechnung von `ConsumedWriteCapacityUnits`. Um konsistent zu sein, müssen Sie die Namen mit denen abgleichen, die Sie im AWS CLI Abschnitt verwendet haben. Klicken Sie auf die **m1 ID** und ändern Sie diesen Wert in **consumedWCU**. 1. Ändern Sie die Statistik von **Average** (Durchschnitt) in **Sum** (Summe). Diese Aktion erstellt automatisch eine weitere Metrik namens **ANOMALY\$1DETECTION\$1BAND**. **Im Rahmen dieses Verfahrens können Sie dies ignorieren, indem Sie das Kontrollkästchen für die neu generierte ad1-Metrik entfernen.** 1. Wiederholen Sie Schritt 8, um die **m2 ID** in **provisionedWCU** umzubenennen. Lassen Sie die Statistik auf **Average** (Durchschnitt) eingestellt. 1. **Wählen Sie das Label **Expression1** und aktualisieren Sie den Wert auf **m1** und das Label auf Consumed. WCUs** **Anmerkung** Stellen Sie sicher, dass Sie nur **m1** (Kontrollkästchen links) und **provisionedWCU** ausgewählt haben, damit die Daten richtig angezeigt werden. Aktualisieren Sie die Formel, indem Sie auf **Details** klicken und die Formel in **consumedWCU/PERIOD(consumedWCU)** ändern. Durch diesen Schritt wird möglicherweise auch eine weitere **ANOMALY\$1DETECTION\$1BAND-Metrik** generiert, die Sie jedoch im Rahmen dieses Verfahrens ignorieren können. 1. Sie sollten jetzt über zwei Grafiken verfügen: eine, die Ihre bereitgestellten Daten in der Tabelle anzeigt, und eine andere, die WCUs den Verbrauch angibt. WCUs 1. Aktualisieren Sie die Prozentformel, indem Sie die Grafik für Expression2 (**e2**) auswählen. Benennen Sie die Labels und in IDs **UtilizationPercentage** um. Benennen Sie die Formel so um, dass sie **100\$1(m1/provisionedWCU)** entspricht. 1. Entfernen Sie das Kontrollkästchen von allen Metriken außer **UtilizationPercentage, um Ihre Nutzungsmuster** zu visualisieren. Das Standardintervall ist auf 1 Minute festgelegt, Sie können es jedoch nach Bedarf ändern. Die Ergebnisse, die Sie erhalten, hängen von den tatsächlichen Daten Ihres Workloads ab. Intervalle mit einer Auslastung von mehr als 100% sind anfällig für Fehler bei geringer Durchsatzkapazität. Amazon Keyspaces bietet [Burst-Kapazität](throughput-bursting.md), aber sobald die Burst-Kapazität erschöpft ist, treten bei Werten über 100% Fehler bei niedriger Durchsatzkapazität auf. ------ ## So identifizieren Sie Amazon Keyspaces-Tabellen mit unzureichender Bereitstellung Bei den meisten Workloads gilt eine Tabelle als unzureichend bereitgestellt, wenn sie ständig mehr als 80% der bereitgestellten Kapazität beansprucht. [Burst-Kapazität](throughput-bursting.md) ist eine Funktion von Amazon Keyspaces, mit der Kunden vorübergehend mehr RCUs/WCUs als ursprünglich bereitgestellt nutzen können (mehr als den bereitgestellten Durchsatz pro Sekunde, der für die Tabelle definiert wurde). Die Burst-Kapazität soll plötzliche Zunahmen des Datenverkehrs aufgrund von besonderen Ereignissen oder Auslastungsspitzen auffangen. Diese Burst-Kapazität ist begrenzt. Weitere Informationen finden Sie unter. [Effektive Nutzung von Burst-Kapazitäten in Amazon Keyspaces](throughput-bursting.md) Sobald die ungenutzten RCUs Kapazitäten aufgebraucht WCUs sind, kann es zu Durchsatzfehlern mit niedriger Kapazität kommen, wenn Sie versuchen, mehr Kapazität als die bereitgestellte Kapazität zu verbrauchen. Wenn sich Ihr Anwendungsdatenverkehr der Auslastungsrate von 80% nähert, ist das Risiko, dass Durchsatzfehler bei niedriger Kapazität auftreten, erheblich höher. Die Regel der Auslastungsrate von 80 % hängt von der Saisonalität Ihrer Daten und dem Wachstums Ihres Datenverkehrs ab. Betrachten Sie folgende Szenarien: + Wenn Ihr Datenverkehr in den letzten 12 Monaten bei einer Auslastung von \$1 90 % **stabil** war, hat Ihre Tabelle genau die richtige Kapazität. + Wenn Ihr Anwendungsdatenverkehr monatlich um 8 % **wächst**, werden Sie in weniger als 3 Monaten 100 % erreichen. + Auch wenn Ihr Anwendungsdatenverkehr monatlich um 5 % **wächst**, werden Sie in etwas mehr als 4 Monaten 100 % erreichen. Die Ergebnisse der obigen Abfragen vermitteln ein Bild Ihrer Auslastungsrate. Verwenden Sie sie als Orientierungshilfe für die Auswertung weiterer Metriken, die bei der Entscheidung, Ihre Tabellenkapazität nach Bedarf zu erhöhen, hilfreich sein können (z. B. monatliche oder wöchentliche Wachstumsrate). Legen Sie gemeinsam mit Ihrem Operations-Team fest, welcher Prozentsatz für Ihren Workload und Ihre Tabellen geeignet ist. Es gibt spezielle Szenarien, in denen die Daten verzerrt sind, wenn Sie sie täglich oder wöchentlich analysieren. Beispielsweise könnten Sie bei saisonalen Anwendungen, die während der Arbeitszeit stark ausgelastet sind (aber außerhalb der Geschäftszeiten auf nahezu Null sinken), von der [Planung der auto-scaling der Anwendung](https://docs.aws.amazon.com/autoscaling/application/userguide/examples-scheduled-actions.html) profitieren, bei der Sie die Tageszeiten (und Wochentage) angeben, um die bereitgestellte Kapazität zu erhöhen, sowie den Zeitpunkt, zu dem sie reduziert werden soll. Anstatt eine höhere Kapazität anzustreben, um die geschäftigen Zeiten abzudecken, können Sie auch von den [auto-scaling Skalierungskonfigurationen der Amazon Keyspaces-Tabellen](autoscaling.md) profitieren, wenn Ihre Saisonalität weniger ausgeprägt ist. ## So identifizieren Sie übermäßig bereitgestellte Amazon Keyspaces-Tabellen Die mit den obigen Skripts erhaltenen Abfrageergebnisse liefern die für eine erste Analyse erforderlichen Datenpunkte. Wenn Ihr Datensatz für mehrere Intervalle Auslastungswerte von weniger als 20 % aufweist, wurde für Ihre Tabelle möglicherweise zu viel Kapazität bereitgestellt. Um genauer zu definieren, ob Sie die Anzahl von WCUs und RCUS reduzieren müssen, sollten Sie die anderen Messwerte in den Intervallen erneut überprüfen. Wenn Ihre Tabelle mehrere niedrige Nutzungsintervalle enthält, können Sie von der Verwendung von Application Auto Scaling-Richtlinien profitieren, indem Sie entweder Application Auto Scaling planen oder einfach die standardmäßigen Application Auto Scaling Scaling-Richtlinien für die Tabelle konfigurieren, die auf der Auslastung basieren. Wenn Sie eine Arbeitslast mit einem niedrigen Verhältnis zwischen Auslastung und hoher Drosselung haben **(Max (ThrottleEventsThrottleEvents) /Min (**) im Intervall), kann dies passieren, wenn Sie eine sehr hohe Arbeitslast haben, bei der der Verkehr an bestimmten Tagen (oder Tageszeiten) erheblich zunimmt, ansonsten aber konstant niedrig ist. In diesen Szenarien kann es von Vorteil sein, [geplantes Application Auto Scaling](https://docs.aws.amazon.com/autoscaling/application/userguide/examples-scheduled-actions.html) zu verwenden.