Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Evaluasi kebijakan penskalaan prediktif Anda untuk Amazon ECS
Sebelum Anda menggunakan kebijakan penskalaan prediktif untuk menskalakan layanan Anda, tinjau rekomendasi dan data lain untuk kebijakan Anda di konsol AmazonECS. Ini penting karena Anda tidak ingin kebijakan penskalaan prediktif untuk menskalakan kapasitas aktual Anda sampai Anda tahu bahwa prediksinya akurat.
Jika layanan ini baru, biarkan 24 jam untuk membuat perkiraan pertama.
Saat AWS membuat perkiraan, ia menggunakan data historis. Jika layanan Anda belum memiliki banyak data historis terbaru, penskalaan prediktif mungkin mengisi ulang perkiraan sementara dengan agregat yang dibuat dari agregat historis yang tersedia saat ini. Prakiraan diisi kembali hingga dua minggu sebelum tanggal pembuatan kebijakan.
Lihat rekomendasi penskalaan prediktif Anda
Untuk analisis yang efektif, penskalaan otomatis servis harus memiliki setidaknya dua kebijakan penskalaan prediktif untuk dibandingkan. (Namun, Anda masih dapat meninjau temuan untuk satu kebijakan.) Saat membuat beberapa kebijakan, Anda dapat mengevaluasi kebijakan yang menggunakan satu metrik terhadap kebijakan yang menggunakan metrik berbeda. Anda juga dapat mengevaluasi dampak dari nilai target dan kombinasi metrik yang berbeda. Setelah kebijakan penskalaan prediktif dibuat, Amazon ECS segera mulai mengevaluasi kebijakan mana yang akan melakukan pekerjaan yang lebih baik untuk menskalakan grup Anda.
Untuk melihat rekomendasi Anda di ECS konsol Amazon
Buka konsol di https://console.aws.amazon.com/ecs/v2
. -
Pada halaman Clusters, pilih cluster.
-
Pada halaman detail cluster, di bagian Layanan, pilih layanan.
Halaman detail layanan muncul.
-
Pilih Service auto scaling.
-
Pilih kebijakan penskalaan prediktif, lalu pilih Tindakan, Penskalaan Prediktif, Lihat rekomendasi.
Anda dapat melihat detail tentang kebijakan bersama dengan rekomendasi kami. Rekomendasi memberi tahu Anda apakah kebijakan penskalaan prediktif melakukan pekerjaan yang lebih baik daripada tidak menggunakannya.
Jika Anda tidak yakin apakah kebijakan penskalaan prediktif sesuai untuk grup Anda, tinjau kolom Dampak ketersediaan dan dampak Biaya untuk memilih kebijakan yang tepat. Informasi untuk setiap kolom memberi tahu Anda apa dampak kebijakan tersebut.
-
Dampak ketersediaan: Menjelaskan apakah kebijakan akan menghindari dampak negatif terhadap ketersediaan dengan menyediakan tugas yang cukup untuk menangani beban kerja, dibandingkan dengan tidak menggunakan kebijakan.
-
Dampak biaya: Menjelaskan apakah kebijakan akan menghindari dampak negatif pada biaya Anda dengan tidak menyediakan tugas yang berlebihan, dibandingkan dengan tidak menggunakan kebijakan. Dengan terlalu banyak penyediaan, layanan Anda kurang dimanfaatkan atau tidak digunakan, yang hanya menambah dampak biaya.
Jika Anda memiliki beberapa kebijakan, maka tag prediksi terbaik akan ditampilkan di samping nama kebijakan yang memberikan manfaat ketersediaan terbanyak dengan biaya lebih rendah. Lebih banyak bobot diberikan untuk dampak ketersediaan.
-
-
(Opsional) Untuk memilih periode waktu yang diinginkan untuk hasil rekomendasi, pilih nilai yang Anda inginkan dari dropdown periode Evaluasi: 2 hari, 1 minggu, atau 2 minggu. Secara default, periode evaluasi adalah dua minggu terakhir. Periode evaluasi yang lebih lama memberikan lebih banyak poin data ke hasil rekomendasi. Namun, menambahkan lebih banyak titik data mungkin tidak meningkatkan hasil jika pola beban Anda telah berubah, seperti setelah periode permintaan yang luar biasa. Dalam hal ini, Anda bisa mendapatkan rekomendasi yang lebih fokus dengan melihat data yang lebih baru.
catatan
Rekomendasi dibuat hanya untuk kebijakan yang hanya dalam mode Forecast. Fitur rekomendasi bekerja lebih baik ketika kebijakan berada dalam mode Forecast only selama periode evaluasi. Jika Anda memulai kebijakan dalam mode Forecast dan skala dan beralih ke mode Forecast only nanti, temuan untuk kebijakan tersebut cenderung bias. Ini karena kebijakan telah berkontribusi terhadap kapasitas aktual.
Tinjau grafik pemantauan penskalaan prediktif
Di konsol, Anda dapat meninjau perkiraan hari, minggu, atau bulan sebelumnya untuk memvisualisasikan seberapa baik kinerja kebijakan dari waktu ke waktu. Anda juga dapat menggunakan informasi ini untuk mengevaluasi keakuratan prediksi saat memutuskan apakah akan membiarkan kebijakan menskalakan jumlah tugas Anda yang sebenarnya.
Untuk meninjau grafik pemantauan penskalaan prediktif di konsol Amazon ECS
Buka konsol di https://console.aws.amazon.com/ecs/v2
. -
Pada halaman Clusters, pilih cluster.
-
Pada halaman detail cluster, di bagian Layanan, pilih layanan.
Halaman detail layanan muncul.
-
Pilih Service auto scaling.
-
Pilih kebijakan penskalaan prediktif, lalu pilih Tindakan, Penskalaan Prediktif, Lihat Grafik.
-
Di bagian Pemantauan, Anda dapat melihat perkiraan masa lalu dan masa depan kebijakan Anda untuk beban dan kapasitas terhadap nilai aktual. Grafik beban menunjukkan perkiraan beban dan nilai aktual untuk metrik beban yang Anda pilih. Grafik Kapasitas menunjukkan jumlah tugas yang diprediksi oleh kebijakan. Ini juga mencakup jumlah tugas aktual yang diluncurkan. Garis vertikal memisahkan nilai historis dari perkiraan masa depan. Grafik ini tersedia segera setelah kebijakan dibuat.
-
(Opsional) Untuk mengubah jumlah data historis yang ditampilkan dalam bagan, pilih nilai yang Anda inginkan dari dropdown periode Evaluasi di bagian atas halaman. Periode evaluasi tidak mengubah data di halaman ini dengan cara apa pun. Itu hanya mengubah jumlah data historis yang ditampilkan.
Bandingkan data dalam grafik Load
Setiap garis horizontal mewakili serangkaian titik data berbeda yang dilaporkan dalam interval satu jam:
-
Beban yang diamati aktual menggunakan SUM statistik untuk metrik beban yang Anda pilih untuk menunjukkan total beban per jam di masa lalu.
-
Beban yang diprediksi oleh kebijakan menunjukkan prediksi beban per jam. Prediksi ini didasarkan pada dua minggu sebelumnya dari pengamatan beban aktual.
Bandingkan data dalam grafik Kapasitas
Setiap garis horizontal mewakili serangkaian titik data berbeda yang dilaporkan dalam interval satu jam:
-
Jumlah tugas yang diamati secara aktual menunjukkan kapasitas aktual ECS layanan Amazon Anda di masa lalu, yang bergantung pada kebijakan penskalaan Anda yang lain dan ukuran grup minimum yang berlaku untuk periode waktu yang dipilih.
-
Kapasitas yang diprediksi oleh kebijakan menunjukkan kapasitas dasar yang dapat Anda harapkan pada awal setiap jam ketika kebijakan dalam mode Forecast dan skala.
-
Jumlah tugas yang diperlukan yang disimpulkan menunjukkan jumlah tugas ideal dalam layanan Anda untuk mempertahankan metrik penskalaan pada nilai target yang Anda pilih.
-
Jumlah tugas minimum menunjukkan jumlah tugas minimum dalam layanan Anda.
-
Kapasitas maksimum menunjukkan jumlah tugas maksimum dalam layanan Anda.
Untuk tujuan menghitung kapasitas yang diperlukan yang disimpulkan, kita mulai dengan mengasumsikan bahwa setiap tugas sama-sama digunakan pada nilai target yang ditentukan. Dalam praktiknya, jumlah tugas tidak digunakan secara merata. Dengan mengasumsikan bahwa pemanfaatan tersebar secara seragam antar tugas, bagaimanapun, kita dapat membuat perkiraan kemungkinan jumlah kapasitas yang dibutuhkan. Persyaratan untuk jumlah tugas kemudian dihitung berbanding terbalik dengan metrik penskalaan yang Anda gunakan untuk kebijakan penskalaan prediktif Anda. Dengan kata lain, ketika jumlah tugas meningkat, metrik penskalaan menurun pada tingkat yang sama. Misalnya, jika jumlah tugas berlipat ganda, metrik penskalaan harus berkurang setengahnya.
Rumus untuk kapasitas yang dibutuhkan yang disimpulkan:
sum of (actualServiceUnits*scalingMetricValue)/(targetUtilization)
Sebagai contoh, kita mengambil actualServiceUnits (10) dan scalingMetricValue (30) untuk satu jam tertentu. Kami kemudian mengambil targetUtilization yang Anda tentukan dalam kebijakan penskalaan prediktif Anda (60) dan menghitung kapasitas yang diperlukan yang disimpulkan untuk jam yang sama. Ini mengembalikan nilai5. Ini berarti bahwa lima adalah jumlah kapasitas yang disimpulkan yang diperlukan untuk mempertahankan kapasitas dalam proporsi terbalik langsung dengan nilai target metrik penskalaan.
catatan
Berbagai tuas tersedia bagi Anda untuk menyesuaikan dan meningkatkan penghematan biaya dan ketersediaan aplikasi Anda.
-
Anda menggunakan penskalaan prediktif untuk kapasitas dasar dan penskalaan dinamis untuk menangani kapasitas tambahan. Penskalaan dinamis bekerja secara independen dari penskalaan prediktif, penskalaan masuk dan keluar berdasarkan pemanfaatan saat ini. Pertama, Amazon ECS menghitung jumlah tugas yang disarankan untuk setiap kebijakan penskalaan yang tidak dijadwalkan. Kemudian, skala berdasarkan kebijakan yang menyediakan jumlah tugas terbesar.
-
Agar penskalaan masuk terjadi saat beban berkurang, layanan Anda harus selalu memiliki setidaknya satu kebijakan penskalaan dinamis dengan bagian penskalaan diaktifkan.
-
Anda dapat meningkatkan kinerja penskalaan dengan memastikan bahwa kapasitas minimum dan maksimum Anda tidak terlalu membatasi. Kebijakan dengan jumlah tugas yang disarankan yang tidak termasuk dalam rentang kapasitas minimum dan maksimum akan dicegah dari penskalaan masuk dan keluar.
