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.

Workload-Management

Sie können Amazon Redshift so konfigurierenWLM, dass es entweder automatisch WLM oder manuell WLM ausgeführt wird.

Mit Amazon Redshift können Sie gleichzeitige Abfragen und Benutzerarbeitslasten verwalten und priorisieren, um Leistung und Ressourcennutzung zu optimieren. Mit Workload Management (WLM) können Sie Warteschlangen, Benutzergruppen und andere Konstrukte definieren, um die Ressourcen zu kontrollieren, die verschiedenen Arten von Abfragen oder Benutzern zugewiesen sind.

In den folgenden Abschnitten werden die spezifischen Workload-Management-Funktionen in Amazon Redshift beschrieben und Sie werden durch deren Konfiguration und Überwachung geführt.

Automatisch WLM

Um den Systemdurchsatz zu maximieren und Ressourcen effektiv zu nutzen, können Sie Amazon Redshift aktivieren, um zu verwalten, wie Ressourcen aufgeteilt werden, um gleichzeitige Abfragen automatisch auszuführen. WLM Automatisch WLM verwaltet die Ressourcen, die für die Ausführung von Abfragen erforderlich sind. Amazon Redshift legt fest, wie viele Abfragen gleichzeitig ausgeführt werden und wie viel Arbeitsspeicher den einzelnen verteilten Abfragen zugewiesen wird. Verwenden Sie AutoWLM, wenn Amazon Redshift verwalten soll, wie Ressourcen aufgeteilt werden, um gleichzeitige Abfragen auszuführen. Weitere Informationen finden Sie unter Automatisch implementieren WLM.

Wenn Sie mit Parallelitätsskalierung und Automatik arbeitenWLM, können Sie praktisch unbegrenzt viele gleichzeitige Benutzer und Abfragen bei gleichbleibend schneller Abfrageleistung unterstützen. Weitere Informationen finden Sie unter Nebenläufigkeitsskalierung.

Mit Auto ist es möglichWLM, Abfrageprioritäten für Workloads in einer Warteschlange zu definieren. Weitere Informationen zur Abfragepriorität finden Sie unter Abfragepriorität.

Manuell WLM

Möglicherweise haben Sie mehrere Sitzungen oder Benutzer, die Abfragen gleichzeitig ausführen. Einige Abfragen beanspruchen möglicherweise Clusterressourcen für lange Zeiträume und beeinträchtigen die Leistung anderer. Das Handbuch WLM kann für spezielle Anwendungsfälle dabei helfen, dies zu verwalten. Verwenden Sie ManuellWLM, wenn Sie mehr Kontrolle über die Parallelität haben möchten.

Sie können die Systemleistung verwalten, indem Sie Ihre WLM Konfiguration so ändern, dass separate Warteschlangen für Abfragen mit langer Laufzeit und Abfragen mit kurzer Laufzeit erstellt werden. Während der Laufzeit können Sie Abfragen nach Benutzer- oder Abfragegruppe an diese Warteschlangen leiten.

Sie können Regeln einrichten, um Abfragen auf der Grundlage des jeweiligen Benutzers oder von Ihnen angegebener Beschriftungen an bestimmte Warteschlangen weiterzuleiten. Sie können auch festlegen, wie viel Speicher jeder Warteschlange zugewiesen wird, so dass große Abfragen in Warteschlangen mit mehr Speicher als bei anderen Warteschlangen ausgeführt werden. Sie können auch eine Regel zur Abfrageüberwachung (QMR) konfigurieren, um Abfragen mit langer Laufzeit einzuschränken. Weitere Informationen finden Sie unter Implementierungshandbuch WLM.

Beachten Sie, dass bei einer manuellen WLM Konfiguration die maximale Anzahl von Steckplätzen, die Sie einer Warteschlange zuweisen können, 50 beträgt. Dies bedeutet jedoch nicht, dass ein Amazon Redshift Redshift-Cluster in einer automatischen WLM Konfiguration immer 50 Abfragen gleichzeitig ausführt. Dies kann sich je nach Speicherbedarf oder anderen Arten von Ressourcenzuweisungen im Cluster ändern.

Modus wechseln WLM

Sie können die automatische oder manuelle Aktivierung WLM über die Amazon Redshift Redshift-Konsole vornehmen:

Änderung der Konfiguration WLM

Die WLM Konfiguration lässt sich am einfachsten über die Amazon Redshift Redshift-Konsole ändern. Sie können auch Amazon Redshift AWS CLI oder Amazon Redshift API verwenden.

Wenn Sie Ihren Cluster zwischen automatisch und manuell umschaltenWLM, wird Ihr Cluster in den pending reboot Status versetzt. Diese Änderung wird erst nach dem nächsten Neustart des Clusters wirksam.

Ausführliche Informationen zum Ändern von WLM Konfigurationen finden Sie unter Configuring Workload Management im Amazon Redshift Management Guide.

Migration von manuell zu automatisch WLM WLM

Um den Systemdurchsatz zu maximieren und Ressourcen so effektiv wie möglich zu nutzen, empfehlen wir Ihnen, die automatische Konfiguration WLM für Ihre Warteschlangen einzurichten. Ziehen Sie den folgenden Ansatz in Betracht, um einen reibungslosen Übergang von manuell WLM zu automatisch WLM einzurichten.

Um von manuell WLM zu automatisch zu migrieren WLM und Abfrageprioritäten zu verwenden, empfehlen wir, dass Sie eine neue Parametergruppe erstellen und diese Parametergruppe dann Ihrem Cluster zuordnen. Weitere Informationen finden Sie unter Amazon Redshift Parameter Groups (Amazon-Redshift-Parametergruppen) im Amazon-Redshift-Verwaltungshandbuch.

Nehmen wir ein Beispiel, bei dem es drei manuelle WLM Warteschlangen gibt. Jeweils eine für einen ETL Workload, einen Analytics-Workload und einen Data-Science-Workload. Der ETL Workload wird alle 6 Stunden ausgeführt, der Analytics-Workload läuft den ganzen Tag über, und der Datenwissenschafts-Workload kann jederzeit ansteigen. Bei der manuellen WLM Methode geben Sie den Arbeitsspeicher und die Parallelität an, die jeder Workload-Warteschlange zugewiesen werden sollen, je nachdem, wie wichtig die einzelnen Workloads für das Unternehmen sind. Die Festlegung von Arbeitsspeicher und Nebenläufigkeit ist nicht nur schwierig, sondern führt auch zu einer statischen Partitionierung der Cluster-Ressourcen und damit zu Verschwendung, wenn nur ein Teilsatz der Workloads ausgeführt wird.

Sie können die Option Automatisch WLM mit Abfrageprioritäten verwenden, um die relativen Prioritäten der Workloads anzugeben und so die oben genannten Probleme zu vermeiden. Für dieses Beispiel führen Sie die folgenden Schritte aus:

Wenn Sie Abfrageprioritäten verwenden und nur der Analytics-Workload für das Cluster ausgeführt wird, kann er das gesamte System nutzen. Dies führt zu einem hohen Durchsatz bei besserer Systemauslastung. Wenn der ETL Workload jedoch gestartet wird, wird ihm der Weg frei gemacht, da er eine höhere Priorität hat. Abfragen, die als Teil des ETL Workloads ausgeführt werden, erhalten bei der Zulassung Priorität, zusätzlich zu der bevorzugten Ressourcenzuweisung, nachdem sie zugelassen wurden. Das hat zur Folge, dass der ETL Workload vorhersehbar ausgeführt wird, unabhängig davon, was sonst noch auf dem System ausgeführt wird. Die planbare Leistung eines Workloads mit hoher Priorität geht zu Lasten anderer Workloads mit niedrigerer Priorität. Diese benötigen eine längere Zeit für die Ausführung, da ihre Abfragen warten müssen, bis wichtigere Abfragen abgeschlossen sind. Ein anderer Grund für die längere Ausführungszeit besteht darin, dass sie einen kleineren Anteil an den Ressourcen erhalten, wenn sie gleichzeitig mit Abfragen höherer Priorität ausgeführt werden. Die von Amazon Redshift verwendeten Planungsalgorithmen sorgen dafür, dass Abfragen mit niedrigerer Priorität nicht angehalten werden, sondern weiter ausgeführt werden, wenn auch langsamer.