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.
# Utiliser le dimensionnement automatique dans Managed Service pour Apache Flink
Le service géré pour Apache Flink adapte de manière élastique le parallélisme de votre application pour s’adapter au débit de données de votre source et à la complexité de votre opérateur dans la plupart des scénarios. La mise à l’échelle automatique est activée par défaut. Le service géré pour Apache Flink surveille l’utilisation des ressources (processeur) de votre application et adapte de manière élastique le parallélisme de votre application à la hausse ou à la baisse en conséquence :
+ Votre application augmente (augmente le parallélisme) si le maximum CloudWatch métrique `containerCPUUtilization` est supérieur à 75 % ou plus pendant 15 minutes. Cela signifie que l'`ScaleUp`action est lancée lorsqu'il existe 15 points de données consécutifs avec une période d'une minute égale ou supérieure à 75 %. Une `ScaleUp` action double la valeur `CurrentParallelism` de votre application. `ParallelismPerKPU`n'est pas modifié. En conséquence, le nombre de personnes allouées double KPUs également.
+ Votre application réduit (diminue le parallélisme) lorsque l’utilisation de votre processeur reste inférieure à 10 % pendant six heures. Cela signifie que l'`ScaleDown`action est lancée lorsqu'il existe 360 points de données consécutifs avec une période d'une minute inférieure à 10 %. Une `ScaleDown` action réduit de moitié (arrondi vers le haut) le parallélisme de l'application. `ParallelismPerKPU`n'est pas modifié, et le nombre de personnes allouées est KPUs également réduit de moitié (arrondi au chiffre supérieur).
**Note**
Une période maximale de `containerCPUUtilization` plus d'une minute peut être référencée pour trouver la corrélation avec un point de données utilisé pour l'action Scaling, mais il n'est pas nécessaire de refléter le moment exact où l'action est initialisée.
Le service géré pour Apache Flink ne réduira pas la valeur `CurrentParallelism` de votre application à un niveau inférieur au paramètre `Parallelism` de votre application.
Lorsque le service géré pour Apache Flink met à l’échelle votre application, elle passe à l’état `AUTOSCALING`. Vous pouvez vérifier l'état actuel de votre candidature à l'aide [ ListApplications](https://docs.aws.amazon.com//managed-flink/latest/apiv2/API_ListApplications.html)des actions [ DescribeApplication](https://docs.aws.amazon.com//managed-flink/latest/apiv2/API_DescribeApplication.html)ou. Pendant que le service fait évoluer votre application, la seule action d'API valide que vous pouvez utiliser est celle [ StopApplication](https://docs.aws.amazon.com//managed-flink/latest/apiv2/API_ListApplications.html)dont le `Force` paramètre est défini sur`true`.
Vous pouvez utiliser la propriété `AutoScalingEnabled` (partie de [https://docs.aws.amazon.com/managed-service-for-apache-flink/latest/apiv2/API_FlinkApplicationConfiguration.html](https://docs.aws.amazon.com/managed-service-for-apache-flink/latest/apiv2/API_FlinkApplicationConfiguration.html)) pour activer ou désactiver le comportement de l’autoscaling. Votre AWS compte est débité pour KPUs les prestations du service géré pour Apache Flink, qui dépendent de votre application `parallelism` et de vos `parallelismPerKPU` paramètres. Un pic d’activité augmente les coûts de votre service géré pour Apache Flink.
Pour obtenir des informations sur la tarification, consultez [Tarification du service géré pour Apache Flink](https://aws.amazon.com/kinesis/data-analytics/pricing/).
Notez les informations suivantes à propos de la mise à l’échelle de l’application :
+ La mise à l’échelle automatique est activée par défaut.
+ La mise à l’échelle ne s’applique pas aux blocs-notes Studio. Toutefois, si vous déployez un bloc-notes Studio en tant qu’application à état durable, la mise à l’échelle s’appliquera à l’application déployée.
+ La limite par défaut de votre application est de 64 KPUs. Pour de plus amples informations, veuillez consulter [Service géré pour Apache Flink et quota de blocs-notes Studio](limits.md).
+ Lorsque la mise à l’échelle automatique met à jour le parallélisme des applications, celles-ci subissent des interruptions. Pour éviter ces interruptions, procédez comme suit :
+ Désactiver la mise à l’échelle automatique
+ Configurez `parallelism` et utilisez l'[UpdateApplication](https://docs.aws.amazon.com/managed-flink/latest/apiv2/API_UpdateApplication.html)action `parallelismPerKPU` de votre application. Pour plus d'informations sur la définition des paramètres de parallélisme de votre application, consultez. [Mettez à jour le parallélisme de votre application](how-scaling.md#how-scaling-howto)
+ Surveillez régulièrement l’utilisation des ressources de votre application pour vérifier qu’elle dispose des paramètres de parallélisme adaptés à sa charge de travail. Pour obtenir des informations sur la surveillance de l’allocation des ressources, consultez [Métriques et dimensions dans le service géré pour Apache Flink](metrics-dimensions.md).
## Implémenter un autoscaling personnalisé
Si vous souhaitez un contrôle plus précis de la mise à l'échelle automatique ou si vous souhaitez utiliser d'autres mesures de déclenchement`containerCPUUtilization`, vous pouvez utiliser cet exemple :
+ [AutoScaling](https://github.com/aws-samples/amazon-managed-service-for-apache-flink-examples/tree/main/infrastructure/AutoScaling)
Cet exemple montre comment faire évoluer votre service géré pour l'application Apache Flink à l'aide d'une CloudWatch métrique différente de celle de l'application Apache Flink, y compris les métriques d'Amazon MSK et d'Amazon Kinesis Data Streams, utilisées comme sources ou récepteurs.
Pour plus d'informations, voir [Surveillance améliorée et dimensionnement automatique pour Apache Flink](https://aws.amazon.com/blogs/big-data/enhanced-monitoring-and-automatic-scaling-for-apache-flink/).
## Implémenter l'autoscaling planifié
Si votre charge de travail suit un profil prévisible au fil du temps, vous préférerez peut-être dimensionner votre application Apache Flink de manière préventive. Cela permet de faire évoluer votre application à une heure planifiée, par opposition à une mise à l'échelle réactive basée sur une métrique. Pour configurer le dimensionnement à la hausse ou à la baisse à des heures fixes de la journée, vous pouvez utiliser cet exemple :
+ [ScheduledScaling](https://github.com/aws-samples/amazon-managed-service-for-apache-flink-examples/tree/main/infrastructure/ScheduledScaling)