기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
4단계: 크기 조정 계획 생성
검토 및 생성(Review and create) 페이지에서 크기 조정 계획에 대한 세부 정보를 검토한 후 Create scaling plan(크기 조정 계획 생성)을 선택합니다. 크기 조정 계획의 상태를 보여주는 페이지로 이동합니다. 크기 조정 계획은 리소스가 업데이트되는 동안 생성이 완료될 때까지 잠시 시간이 걸릴 수 있습니다.
예측 규모 조정을 통해 지난 14일 (최소 24시간의 데이터 필요) 동안 지정된 부하 지표의 기록을 AWS Auto Scaling 분석하여 이틀 전에 대한 예측을 생성합니다. 그런 다음, 크기 조정 작업을 예약하여 예측 기간의 시간별 예측과 일치하도록 리소스 용량을 크기 조정합니다.
크기 조정 계획의 생성이 완료된 후, 크기 조정 계획(Scaling plans) 화면에서 그 이름을 선택하여 크기 조정 계획 세부 정보를 확인하세요.
(선택 사항) 리소스에 대한 크기 조정 정보 보기
하나의 리소스에 대해 생성된 크기 조정 정보를 보려면 이 절차를 사용하세요.
데이터는 다음과 같은 방식으로 표시됩니다.
-
의 최근 지표 기록 데이터를 CloudWatch 보여주는 그래프.
-
의 데이터를 기반으로 부하 예측 및 용량 예측을 보여주는 예측 스케일링 그래프. AWS Auto Scaling
-
리소스에 대해 예약된 모든 예측 크기 조정 작업을 목록으로 나열하는 테이블.
리소스에 대한 크기 조정 정보를 보려면
https://console.aws.amazon.com/awsautoscaling/ 에서 AWS Auto Scaling 콘솔을 엽니다.
-
크기 조정 계획(Scaling plans) 페이지에서 크기 조정 계획을 선택합니다.
-
크기 조정 계획 세부 정보(Scaling plan details) 페이지에서, 보려는 리소스를 선택합니다.
예측 모니터링 및 평가
크기 조정 계획이 실행되면 로드 예측, 용량 예측 및 크기 조정 작업을 모니터링하여 예측 크기 조정의 성능을 검사할 수 있습니다. 예측 확장이 활성화된 모든 Auto Scaling 그룹의 AWS Auto Scaling 콘솔에서 이 모든 데이터를 사용할 수 있습니다. 초기 예측을 수행하려면 크기 조정 계획 시 최소한 24시간 이상의 과거 로드 데이터가 필요하다는 점에 유의하세요.
다음 예제에선 각 그래프의 왼쪽에 과거 패턴이 표시됩니다. 오른쪽에는 예측 기간에 대한 크기 조정 계획에서 생성된 예측이 표시됩니다. 실제 값과 예측 값(파란색과 주황색으로 각각 표시됨)이 모두 나타나 있습니다.
AWS Auto Scaling 데이터에서 자동으로 학습합니다. 첫번째, 로드를 예측합니다. 그 다음 용량 예측 계산을 통해 애플리케이션을 지원하기 위해 필요한 최소 인스턴스 수를 결정합니다. 용량 예측을 기반으로 AWS Auto Scaling 은 예측되는 로드 변화에 앞서 Auto Scaling 그룹을 크기 조정하는 크기 조정 작업을 예약합니다. 동적 크기 조정이 활성화된 경우(권장 사항), Auto Scaling 그룹은 인스턴스 그룹의 현재 사용률을 기반으로 추가 용량을 확장(하거나 제거)할 수 있습니다.
예측 크기 조정이 얼마나 잘 수행되는지 평가할 때 실제 값과 예측값이 시간이 지남에 따라 얼마나 가깝게 일치하는지 모니터링합니다. 규모 조정 계획을 생성하면 가장 최근의 실제 데이터를 기반으로 그래프를 AWS Auto Scaling 제공합니다. 또한 다음 48시간 동안의 초기 예측도 제공합니다. 그러나 크기 조정 계획을 생성할 때 실제 데이터와 비교할 예측 데이터는 거의 없습니다. 과거 예측값과 실제 값을 비교하기 전에 몇 개 기간 동안 크기 조정 계획으로 예측값을 얻을 때까지 기다립니다. 며칠간의 일일 예측을 마친 후에는 실제 값과 비교할 수 있는 더 큰 예측값 샘플을 얻게 됩니다.
매일 발생하는 패턴의 경우 크기 조정 계획을 생성하고 예측 효과를 평가하는 시간 간격을 며칠로 단축할 수 있습니다. 그러나 이 시간은 최신 패턴 변경을 기반으로 한 예측 평가에는 부족합니다. 예를 들어 지난주 새 마케팅 캠페인을 시작한 Auto Scaling 그룹에 대한 예측을 살펴보고 있다고 가정해 보겠습니다. 이 캠페인으로 매주 같은 이틀 동안 웹 트래픽이 크게 증가합니다. 이러한 경우 예측의 효과를 평가하기 전에 이 그룹에서 1주일에 한두 가지 새 데이터를 수집하기를 기다리는 것이 좋습니다. 지표 데이터 수집만을 시작한 최신 Auto Scaling 그룹에 대해서도 동일한 권장 사항이 적용됩니다.
적절한 시간 동안 모니터링한 후에 실제 값과 예측값이 일치하지 않으면 로드 지표의 선택도 고려해야 합니다. 효과성을 위해 로드 지표는 이 Auto Scaling 그룹의 모든 인스턴스에 대한 전체 로드를 안정적이고 정확하게 나타내야 합니다. 로드 지표는 예측 크기 조정의 핵심입니다. 최적이 아닌 로드 지표를 선택하면 예측 크기 조정으로 정확한 로드 및 용량 예측과 Auto Scaling 그룹에 대한 올바른 용량 조절을 예약하는 작업이 수행되지 않을 수 있습니다.