Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Paso 4: crear el plan de escalado

En la página Review and create (Revisar y crear), revise los detalles de su plan de escalado y elija Create scaling plan (Crear plan de escalado). Se le dirigirá a una página que muestra el estado del plan de escalado. El plan de escalado puede tardar algún tiempo en terminar de crearse mientras se actualizan los recursos.

Con el escalado predictivo, AWS Auto Scaling analiza el historial de la métrica de carga especificada de los últimos 14 días (se requiere un mínimo de 24 horas de datos) para generar una previsión con dos días de antelación. A continuación, programa acciones de escalado para ajustar la capacidad de los recursos con respecto a la previsión para cada hora del periodo de la previsión.

Una vez que se ha terminado de crear el plan de escalado, consulte los detalles del plan eligiendo su nombre en la pantalla Scaling plans (Planes de escalado).

(Opcional) Consultar la información de escalado de un recurso

Utilice este procedimiento para ver la información de escalado creada para un recurso.

Los datos se presentan de las siguientes formas:

Monitoreo y evaluación de pronósticos

Cuando su plan de escalado esté en funcionamiento, puede monitorear el pronóstico de carga, la capacidad de pronóstico y las acciones de escalado para examinar el rendimiento del escalado predictivo. Todos estos datos están disponibles en la AWS Auto Scaling consola para todos los grupos de Auto Scaling que están habilitados para el escalado predictivo. Tenga en cuenta que el plan de escalado requiere al menos 24 horas de datos de carga históricos para crear el pronóstico inicial.

En el siguiente ejemplo, en el lado izquierdo de cada gráfico se muestra la pauta histórica. En el lado derecho del gráfico se muestra el pronóstico de carga generado por el plan de escalado para el periodo de la pronóstico. Ambos valores reales y previstos (en azul y naranja) se representan gráficamente.

AWS Auto Scaling aprende de sus datos automáticamente. En primer lugar, realiza un pronóstico de carga. A continuación, se utiliza un pronóstico de capacidad de cálculo para determinar la cantidad mínima de instancias que se necesitan para la aplicación. En función de la capacidad prevista, AWS Auto Scaling programa acciones de escalado que escalan el grupo de Auto Scaling antes de los cambios de carga previstos. Si el escalado dinámico está habilitado (opción recomendada), el grupo de Auto Scaling puede escalar horizontalmente capacidad adicional (o eliminarla) en función del uso que se realice en cada momento de la capacidad del grupo de instancias.

Al evaluar el nivel de rendimiento del escalado predictivo, monitoree el grado de ajuste de los valores reales y los previstos a lo largo del tiempo. Al crear un plan de escalado, AWS Auto Scaling proporciona gráficos basados en los datos reales más recientes. También facilita una previsión inicial durante las siguientes 48 horas. Sin embargo, al crear el plan de escalado, existen muy pocos datos de pronóstico para comparar con los datos reales. Espere hasta que el plan de escalado haya obtenido valores de previsión durante algunos periodos antes de comparar los valores de pronóstico históricos con los reales. Tras realizar pronósticos diarios durante algunos días, tendrá una muestra más grande de valores de pronóstico con los que comparar los valores reales.

Para los patrones que se presentan a diario, el intervalo temporal entre la creación del plan de escalado y la evaluación de la efectividad del pronóstico puede ser breve, de solo unos pocos días. Sin embargo, este plazo temporal es insuficiente para evaluar el pronóstico sobre la base de un cambio de patrón reciente. Por ejemplo, pongamos que está analizando el pronóstico de un grupo de Auto Scaling que ha iniciado una nueva campaña de marketing la semana pasada. La campaña hace aumentar significativamente el tráfico web durante los dos mismos días cada semana. En situaciones como esta, recomendamos esperar a que el grupo recopile nuevos datos durante una semana completa o un par de ellas antes de evaluar la efectividad del pronóstico. La misma recomendación se aplica a un nuevo grupo de Auto Scaling que acabe de empezar a recopilar datos de métricas.

Si los valores reales y de previsión no coinciden tras monitorearlos durante un periodo de tiempo apropiado, debería también tener en cuenta si la métrica de carga que ha elegido es adecuada. Para que sea eficaz, la métrica de carga debe representar una medición de confianza y precisa de la carga total en todas las instancias del grupo de Auto Scaling. La métrica de carga es clave para el escalado predictivo. Si elige una métrica de carga que no sea óptima, esta podría impedir que el escalado predictivo realizase previsiones exactas de carga y capacidad y que programase los ajustes de capacidad correctos del grupo de Auto Scaling.