View a markdown version of this page

Évaluer la capacité allouée pour un dimensionnement approprié - Amazon Keyspaces (pour Apache Cassandra)
Comment récupérer des statistiques de consommation à partir de vos tableaux Amazon KeyspacesComment identifier les tables Amazon Keyspaces sous-provisionnéesComment identifier les tables Amazon Keyspaces surapprovisionnées

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.

Évaluer la capacité allouée pour un dimensionnement approprié

Cette section explique comment évaluer si vous disposez d'un provisionnement de la bonne taille dans vos tables Amazon Keyspaces. À mesure que votre charge de travail évolue, vous devez modifier vos procédures opérationnelles de manière appropriée, en particulier lorsque votre table Amazon Keyspaces est configurée en mode provisionné et que vous risquez de surprovisionner ou de sous-approvisionner vos tables.

Les procédures décrites dans cette section nécessitent des informations statistiques qui doivent être capturées à partir des tableaux Amazon Keyspaces qui prennent en charge votre application de production. Pour comprendre le comportement de votre application, vous devez définir une période suffisamment importante pour saisir la saisonnalité des données de votre application. Par exemple, si votre application repose sur des cycles hebdomadaires, spécifier une période de trois semaines devrait vous laisser suffisamment de marge pour analyser ses besoins en matière de débit.

Si vous ne savez pas par où commencer, utilisez au moins un mois de données pour les calculs ci-dessous.

Lors de l'évaluation de la capacité, pour les tables Amazon Keyspaces, vous pouvez configurer les unités de capacité de lecture (RCU) et les unités de capacité d'écriture (WCU) indépendamment.

Comment récupérer des statistiques de consommation à partir de vos tableaux Amazon Keyspaces

Pour évaluer la capacité de la table, surveillez les CloudWatch mesures suivantes et sélectionnez la dimension appropriée pour récupérer les informations de la table :

Unités de capacité de lecture Unités de capacité d’écriture

ConsumedReadCapacityUnits

ConsumedWriteCapacityUnits

ProvisionedReadCapacityUnits

ProvisionedWriteCapacityUnits

ReadThrottleEvents

WriteThrottleEvents

Vous pouvez le faire via le AWS CLI ou le Console de gestion AWS.

AWS CLI

Avant de récupérer les mesures de consommation des tableaux, vous devez commencer par capturer certains points de données historiques à l'aide de l' CloudWatch API.

Commencez par créer deux fichiers : write-calc.json et read-calc.json. Ces fichiers représentent les calculs du tableau. Vous devez mettre à jour certains champs, comme indiqué dans le tableau ci-dessous, pour les adapter à votre environnement.

Note

Si le nom de la table n'est pas unique dans votre compte, vous devez également spécifier le nom de l'espace clé.

Nom de champ Définition Exemple
<table-name> Le nom de la table que vous analysez SampleTable
<period> Période que vous utilisez pour évaluer l'objectif d'utilisation, en secondes Pour une période d’une heure, vous devez spécifier : 3 600
<start-time> Début de votre intervalle d’évaluation, spécifié au format ISO8601 02/02/21 T23:00:00
<end-time> Fin de votre intervalle d’évaluation, spécifié au format ISO8601 22 février T06:00:00

Le fichier de calculs d'écriture extrait le nombre de WCU provisionnés et consommés au cours de la période correspondant à la plage de dates spécifiée. Il génère également un pourcentage d'utilisation qui peut être utilisé à des fins d'analyse. Le contenu complet du write-calc.json fichier doit ressembler à celui de l'exemple suivant.

{
  "MetricDataQueries": [
    {
      "Id": "provisionedWCU",
      "MetricStat": {
        "Metric": {
          "Namespace": "AWS/Cassandra",
          "MetricName": "ProvisionedWriteCapacityUnits",
          "Dimensions": [
            {
              "Name": "TableName",
              "Value": "<table-name>"
            }
          ]
        },
        "Period": <period>,
        "Stat": "Average"
      },
      "Label": "Provisioned",
      "ReturnData": false
    },
    {
      "Id": "consumedWCU",
      "MetricStat": {
        "Metric": {
          "Namespace": "AWS/Cassandra",
          "MetricName": "ConsumedWriteCapacityUnits",
          "Dimensions": [
            {
              "Name": "TableName",
              "Value": "<table-name>""
            }
          ]
        },
        "Period": <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": "<start-time>",
  "EndTime": "<end-time>",
  "ScanBy": "TimestampDescending",
  "MaxDatapoints": 24
}

Le fichier de calculs lu utilise des mesures similaires. Ce fichier récupère le nombre de RCU qui ont été provisionnées et consommées au cours de la période correspondant à la plage de dates spécifiée. Le contenu du read-calc.json fichier doit ressembler à celui de cet exemple.

{
  "MetricDataQueries": [
    {
      "Id": "provisionedRCU",
      "MetricStat": {
        "Metric": {
          "Namespace": "AWS/Cassandra",
          "MetricName": "ProvisionedReadCapacityUnits",
          "Dimensions": [
            {
              "Name": "TableName",
              "Value": "<table-name>"
            }
          ]
        },
        "Period": <period>,
        "Stat": "Average"
      },
      "Label": "Provisioned",
      "ReturnData": false
    },
    {
      "Id": "consumedRCU",
      "MetricStat": {
        "Metric": {
          "Namespace": "AWS/Cassandra",
          "MetricName": "ConsumedReadCapacityUnits",
          "Dimensions": [
            {
              "Name": "TableName",
              "Value": "<table-name>"
            }
          ]
        },
        "Period": <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": "<start-time>",
  "EndTime": "<end-time>",
  "ScanBy": "TimestampDescending",
  "MaxDatapoints": 24
}

Une fois les fichiers créés, vous pouvez commencer à récupérer les données d'utilisation.

  1. Pour récupérer les données d'utilisation de l'écriture, exécutez la commande suivante :

    aws cloudwatch get-metric-data --cli-input-json file://write-calc.json

  2. Pour récupérer les données d'utilisation lues, exécutez la commande suivante :

    aws cloudwatch get-metric-data --cli-input-json file://read-calc.json

Le résultat des deux requêtes est une série de points de données au format JSON qui peuvent être utilisés pour l'analyse. Vos résultats dépendent du nombre de points de données que vous avez spécifiés, de la période et de vos propres données de charge de travail spécifiques. Cela pourrait ressembler à l'exemple suivant.

{
    "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": []
}
Note

Si vous spécifiez une courte période et une longue plage de temps, vous devrez peut-être modifier la MaxDatapoints valeur, qui est définie par défaut sur 24 dans le script. Cela représente un seul point de données par heure et donc 24 points de données par jour.

Console de gestion AWS

  1. Connectez-vous Console de gestion AWS et accédez à la page de CloudWatch service à l'adresse Getting Started with the Console de gestion AWS. Sélectionnez l'option appropriée Région AWS si nécessaire.

  2. Localisez la section Mesures dans la barre de navigation de gauche et choisissez Toutes les mesures.

  3. Cela ouvre un tableau de bord comportant deux panneaux. Le panneau supérieur affiche le graphique et le panneau inférieur contient les mesures que vous souhaitez représenter graphiquement. Choisissez le panneau Amazon Keyspaces.

  4. Choisissez la catégorie Tableau Metrics dans les sous-panneaux. Cela vous montre les tableaux dans votre tableau actuel Région AWS.

  5. Identifiez le nom de votre table en faisant défiler le menu vers le bas, puis sélectionnez les métriques des opérations d'écriture : ConsumedWriteCapacityUnits et ProvisionedWriteCapacityUnits.

    Note

    Cet exemple décrit les métriques des opérations d'écriture, mais vous pouvez également suivre ces étapes pour représenter graphiquement les métriques des opérations de lecture.

  6. Sélectionnez l'onglet Graphed metrics (2) (Indicateurs graphiques (2)) pour modifier les formules. Par défaut, CloudWatch choisit la fonction statistique Average pour les graphiques.

  7. Lorsque les deux mesures représentées dans le graphique sont sélectionnées (case à cocher sur la gauche), sélectionnez le menu Add math (Ajouter une formule), suivi de Common (Commun), puis sélectionnez la fonction Percentage (Pourcentage). Répétez cette procédure deux fois.

    C'est la première fois que vous sélectionnez la fonction Pourcentage.

    Deuxième sélection de la fonction Pourcentage.

  8. À ce stade, vous devriez avoir quatre métriques dans le menu inférieur. Travaillons sur le calcul de ConsumedWriteCapacityUnits. Par souci de cohérence, vous devez faire correspondre les noms à ceux que vous avez utilisés dans la AWS CLI section. Cliquez sur l'ID m1 et remplacez cette valeur par consumedWCU.

  9. Remplacez la statistique Average (Moyenne) par Sum (Somme). Cette action crée automatiquement une autre métrique appelée ANOMALY_DETECTION_BAND. Dans le cadre de cette procédure, vous pouvez ignorer cela en supprimant la case à cocher de la métrique ad1 nouvellement générée.

  10. Répétez l’étape 8 pour remplacer le nom de l’ID m2 par provisionedWCU. Conservez la statistique Average (Moyenne).

  11. Choisissez l'étiquette Expression1 et mettez à jour la valeur en m1 et l'étiquette en WCU consommées.

    Note

    Assurez-vous de n’avoir sélectionné que m1 (case à cocher sur la gauche) et provisionedWCU pour visualiser correctement les données. Mettez à jour la formule en cliquant sur Détails et en la remplaçant par consumedWCU/PERIOD (ConsumedWCU). Cette étape peut également générer une autre métrique ANOMALY_DETECTION_BAND, mais dans le cadre de cette procédure, vous pouvez l'ignorer.

  12. Vous devriez maintenant avoir deux graphiques : l'un qui indique vos WCU provisionnées sur le tableau et l'autre qui indique les WCU consommées.

  13. Mettez à jour la formule du pourcentage en sélectionnant le graphique Expression2 (e2). Remplacez le nom des libellés et des identifiants par utilizationPercent. Renommez la formule pour qu'elle corresponde à 100* ()m1/provisionedWCU.

  14. Décochez la case de toutes les mesures, à l'exception de UtilizationPercentage, pour visualiser vos modèles d'utilisation. L'intervalle par défaut est défini sur 1 minute, mais n'hésitez pas à le modifier si nécessaire.

Les résultats que vous obtenez dépendent des données réelles de votre charge de travail. Les intervalles avec un taux d'utilisation supérieur à 100 % sont sujets à des erreurs liées à la capacité de faible débit. Amazon Keyspaces propose une capacité de rafale, mais dès que la capacité de rafale est épuisée, tout dépassement de 100 % entraîne des événements d'erreur liés à la capacité de faible débit.

Comment identifier les tables Amazon Keyspaces sous-provisionnées

Pour la plupart des charges de travail, une table est considérée comme sous-provisionnée lorsqu'elle consomme en permanence plus de 80 % de sa capacité provisionnée.

Utilisez efficacement la capacité de pointe dans Amazon KeyspacesLa capacité de rafale est une fonctionnalité d'Amazon Keyspaces qui permet aux clients de consommer temporairement RCUs/WCUs plus que ce qui avait été initialement prévu (plus que le débit par seconde défini pour le tableau). La capacité de débordement a été créée pour absorber les augmentations soudaines du trafic dues à des événements spéciaux ou à des pics d’utilisation. Cette capacité de rafale est limitée. Pour plus d'informations, consultezUtilisez efficacement la capacité de pointe dans Amazon Keyspaces. Dès que les unités RCU et WCU non utilisées sont épuisées, vous pouvez rencontrer des erreurs de débit de faible capacité si vous essayez de consommer plus de capacité que celle provisionnée. Lorsque le trafic de vos applications se rapproche du taux d'utilisation de 80 %, le risque de rencontrer des événements d'erreur liés au débit de faible capacité est nettement plus élevé.

La règle du taux d’utilisation de 80 % varie en fonction de la saisonnalité de vos données et de la croissance du trafic. Réfléchissez aux scénarios suivants :

  • Si le trafic est resté stable à un taux d’utilisation d’environ 90 % au cours des 12 derniers mois, votre table dispose de la capacité idéale

  • Si le trafic de vos applications augmente à un rythme de 8 % par mois en moins de 3 mois, vous allez atteindre une utilisation de 100 %

  • Si le trafic de vos applications augmente à un rythme de 5 % en un peu plus de 4 mois, vous allez tout de même atteindre une utilisation de 100 %

Les résultats des requêtes ci-dessus donnent une idée de votre taux d’utilisation. Utilisez-les comme guide pour évaluer plus en détail d’autres métriques qui pourront vous aider à choisir d’augmenter la capacité de votre table selon vos besoins (par exemple, à un taux de croissance mensuel ou hebdomadaire). Travaillez avec l’équipe des opérations pour définir le pourcentage approprié pour votre charge de travail et vos tables.

Il existe des scénarios particuliers dans lesquels les données sont faussées lorsque vous les analysez sur une base quotidienne ou hebdomadaire. Par exemple, pour les applications saisonnières qui connaissent des pics d'utilisation pendant les heures de travail (mais qui tombent ensuite à presque zéro en dehors des heures de travail), vous pourriez bénéficier de la planification de la mise à l'échelle automatique des applications, qui vous permet de spécifier les heures de la journée (et les jours de la semaine) pour augmenter la capacité provisionnée, ainsi que le moment de la réduire. Au lieu de viser une plus grande capacité pour couvrir les heures de pointe, vous pouvez également bénéficier des configurations de mise à l'échelle automatique des tables Amazon Keyspaces si votre saisonnalité est moins prononcée.

Comment identifier les tables Amazon Keyspaces surapprovisionnées

Les résultats de requête obtenus à partir des scripts ci-dessus fournissent les points de données nécessaires pour effectuer une analyse initiale. Si votre ensemble de données présente des valeurs d’utilisation inférieures à 20 % pendant plusieurs intervalles, votre table est peut-être surprovisionnée. Pour déterminer plus précisément si vous devez réduire le nombre de WCU et de RCU, réexaminez les autres lectures dans les intervalles.

Lorsque votre tableau contient plusieurs intervalles d'utilisation faibles, vous pouvez tirer parti des politiques Application Auto Scaling, soit en planifiant Application Auto Scaling, soit en configurant simplement les politiques par défaut pour la table qui sont basées sur l'utilisation.

Si votre charge de travail présente un faible ratio d'utilisation par rapport à un ratio d'accélération élevé (Max (ThrottleEvents) /Min (ThrottleEvents) dans l'intervalle), cela peut se produire lorsque votre charge de travail est très élevée et que le trafic augmente de manière significative certains jours (ou heures de la journée), mais qu'il est par ailleurs constamment faible. Dans ces scénarios, il peut être avantageux d'utiliser la fonction planifiée de mise à l'échelle automatique des applications.