Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Étape 4 : Créer votre plan de dimensionnement

Sur la page Vérifier et créer, examinez les détails de votre plan de mise à l'échelle et choisissez Créer un plan de mise à l'échelle. Vous êtes dirigé vers la page qui affiche le statut de votre plan de dimensionnement. L'achèvement de la création du plan de dimensionnement peut prendre quelques instants pendant que vos ressources sont mises à jour.

Grâce à la mise à l'échelle prédictive, AWS Auto Scaling analyse l'historique de la métrique de charge spécifiée au cours des 14 derniers jours (un minimum de 24 heures de données est requis) afin de générer une prévision pour les deux jours à venir. Il planifie ensuite des actions de dimensionnement pour faire correspondre la capacité de ressource à la prévision pour chaque heure de la période de prévision.

Une fois la création du plan de dimensionnement terminée, affichez ses détails en choisissant son nom dans l'écran Scaling plans (Plans de dimensionnement).

(Facultatif) Affichage des informations de mise à l'échelle pour une ressource

Utilisez cette procédure pour afficher les informations de mise à l'échelle créées pour une ressource.

Les données sont présentées de la manière suivante :

Surveillance et évaluation des prévisions

Lorsque votre plan de dimensionnement est opérationnel, vous pouvez surveiller la prévision de charge, la capacité de prévision et les actions de mise à l'échelle pour examiner les performances de la mise à l'échelle prédictive. Toutes ces données sont disponibles dans la AWS Auto Scaling console pour tous les groupes Auto Scaling activés pour le dimensionnement prédictif. Gardez à l'esprit que votre plan de dimensionnement a besoin d'au moins 24 heures de données de charge historiques pour effectuer la prévision initiale.

Dans l'exemple suivant, la partie gauche de chaque graphique illustre un modèle d'historique. La partie droite présente la prévision générée par le plan de mise à l'échelle pour la période de prévisions. Les valeurs réelles et prévisionnelles (en bleu et orange) sont comparées.

AWS Auto Scaling apprend automatiquement à partir de vos données. Il commence par effectuer une prévision de charge. Un calcul prévisionnel de capacité détermine ensuite le nombre minimum d'instances requises pour prendre en charge de l'application. En fonction de la prévision de capacité, AWS Auto Scaling planifie les actions de mise à l'échelle qui mettent à l'échelle le groupe Auto Scaling avant les changements de charge prévus. Si le dimensionnement dynamique est activé (recommandé), le groupe Auto Scaling peut ajouter de la capacité supplémentaire (ou en supprimer) en fonction de l'utilisation actuelle du groupe d'instances.

Lorsque vous évaluez la façon dont la mise à l'échelle prédictive s'effectue, surveillez la manière dont les valeurs réelles et prévisionnelles correspondent au fil du temps. Lorsque vous créez un plan de mise à l'échelle, il AWS Auto Scaling fournit des graphiques basés sur les données réelles les plus récentes. Il fournit également une prévision initiale pour les prochaines 48 heures. Toutefois, lorsque le plan de mise à l'échelle est créé, il y a très peu de données prévisionnelles auxquelles comparer les données réelles. Patientez jusqu'à ce que le plan de mise à l'échelle ait obtenu des valeurs prévisionnelles pour quelques périodes avant de comparer les valeurs prévisionnelles historiques avec les valeurs réelles. Après quelques jours de prévisions quotidiennes, vous disposerez d'un échantillon plus important de valeurs prévisionnelles auquel comparer les valeurs réelles.

Pour les modèles qui se produisent sur une base quotidienne, l'intervalle de temps entre la création de votre plan de mise à l'échelle et l'évaluation de l'efficacité de la prévision peut être de quelques jours seulement. Cependant, cette durée est insuffisante pour évaluer la prévision basée sur une modification de modèle récente. Par exemple, supposons que vous examinez les prévisions pour un groupe Auto Scaling qui a lancé une nouvelle campagne de marketing une semaine auparavant. La campagne augmente considérablement votre trafic Web pour les deux mêmes jours de chaque semaine. Dans des situations comme celle-ci, nous vous recommandons d'attendre que le groupe ait collecté des données pendant une ou deux semaines avant d'évaluer l'efficacité de la prévision. La même recommandation s'applique pour un nouveau groupe Auto Scaling qui vient seulement de commencer à recueillir des données de métriques.

Si les valeurs réelles et prévisionnelles ne correspondent pas après une surveillance sur une période plus longue, vous devez également réfléchir au choix de la métrique de charge. Pour être efficace, la métrique de charge doit représenter une mesure fiable et précise de la charge totale sur toutes les instances du groupe Auto Scaling. La métrique de charge est essentielle pour la mise à l'échelle prédictive. Si vous choisissez une métrique de charge non optimale, cela peut empêcher le dimensionnement prédictif d'établir des prévisions précises de charge et de capacité et de planifier des ajustements de capacité adaptés pour votre groupe Auto Scaling.