本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

調整DAX叢集的大小

DAX 叢集的總容量和可用性取決於節點類型和計數。叢集中的更多節點會增加其讀取容量，但不會增加寫入容量。較大的節點類型 （最高 r5.8xlarge) 可以處理更多寫入，但節點失敗時，太少會影響可用性。如需調整DAX叢集大小的詳細資訊，請參閱 DAX 叢集大小調整指南。

下列各節討論在建立可擴展且符合成本效益的叢集時，應考量哪些不同的大小調整層面來平衡節點類型和計數。

規劃可用性

調整DAX叢集大小時，您應該先專注於其目標可用性。叢集服務的可用性，例如 DAX，是叢集中節點總數的維度。由於單一節點叢集沒有故障的容錯能力，因此其可用性等於一個節點。在 10 節點叢集中，單一節點的遺失對叢集的整體容量影響最小。此遺失不會對可用性造成直接影響，因為剩餘的節點仍然可以滿足讀取請求。若要繼續寫入， 會DAX快速指定新的主節點。

DAX 以 VPC為基礎。它使用子網路群組來判斷可以在哪些可用區域執行節點，以及要從子網路使用哪些 IP 地址。對於生產工作負載，強烈建議您在不同的可用區域中DAX使用至少三個節點。這可確保叢集還有多個節點可以處理請求，即使單一節點或可用區域失敗。叢集最多可以有 11 個節點，其中一個是主要節點，而 10 個是僅供讀取複本。

規劃寫入輸送量

所有DAX叢集都有用於寫入請求的主要節點。叢集的節點類型大小會決定其寫入容量。新增其他僅供讀取複本並不會增加叢集的寫入容量。因此，您應該在建立叢集時考慮寫入容量，因為您之後無法變更節點類型。

如果您的應用程式需要寫入DAX以更新項目快取，請考慮增加叢集資源的使用量，以方便寫入。針對 的寫入耗DAX用比 cache-hit 讀取多約 25 倍的資源。這可能需要比唯讀叢集更大的節點類型。

如需判斷寫入或全寫是否最適合您應用程式的其他指引，請參閱寫入策略。

規劃讀取輸送量

DAX 叢集的讀取容量取決於工作負載的快取命中率。由於 會在快取遺失時從 DynamoDB DAX讀取資料，因此比 cache-hit 消耗大約 10 倍的叢集資源。若要增加快取命中，請增加快取TTL的設定，以定義項目存放在快取中的期間。不過，除非透過 寫入更新，否則TTL持續時間較長會增加讀取舊項目版本的機會DAX。

為了確保叢集具有足夠的讀取容量，請水平擴展叢集，如 中所述水平擴展叢集。新增更多節點會將僅供讀取複本新增至資源集區，同時移除節點會減少讀取容量。當您選取叢集的節點數量及其大小時，請考慮所需的最小和最大讀取容量。如果您無法以較小的節點類型水平擴展叢集，以符合您的讀取需求，請使用較大的節點類型。

規劃資料集大小

每個可用的節點類型都有一組記憶體大小DAX供 快取資料。如果節點類型太小，應用程式請求無法容納在記憶體中的工作資料集，並導致快取遺失。由於較大的節點支援較大的快取，請使用大於您需要快取之預估資料集的節點類型。較大的快取也會改善快取命中率。

快取項目的傳回可能會減少，但重複讀取次數很少。計算經常存取項目的記憶體大小，並確保快取夠大，足以存放該資料集。

計算大致叢集容量需求

您可以預估工作負載的總容量需求，以協助您選取適當的叢集節點大小和數量。若要執行此估算，請計算每秒變數標準化請求 （標準化 RPS)。此變數代表您的應用程式需要DAX叢集支援的工作總單位，包括快取命中、快取遺失和寫入。若要計算標準化 RPS，請使用下列輸入：

您可以使用下列公式來計算標準化 RPS。

Normalized RPS = (ReadRPS_CacheHit * Size) + (ReadRPS_CacheMiss * Size * 10x_ReadMissFactor) + (WriteRequestRate * 25x_WriteFactor * Size * DaxNodeCount)

例如，請考慮下列輸入值：

透過在公式中取代這些值，您可以計算標準化RPS，如下所示。

Normalized RPS = (50,000 Cache Hits/Sec * 2KB) + (1,000 Cache Misses/Sec * 2KB * 10) + (100 Writes/Sec * 25 * 2KB * 3)

在此範例中，標準化的計算值RPS為 135，000。不過，此標準化RPS值不會考慮將叢集使用率維持在低於 100% 或節點遺失。我們建議您考慮額外的容量。若要執行此作業，請判斷兩個倍增因素中的較大者：目標使用率或節點遺失容差。然後，將正規化RPS乘以較大的係數，以取得每秒的目標請求 （目標 RPS)。

您可以使用下列公式來計算目標 RPS。

Target RPS = Normalized RPS * CEILING(TargetUtilization, NodeLossTolerance)

例如，若要計算目標 RPS，請考慮下列值：

透過在公式中取代這些值，您可以RPS如下計算目標。

Target RPS = 135,000 * CEILING(1.43, 1.5)

在此範例中，由於 的值NodeLossTolerance大於 TargetUtilization，因此我們RPS會使用 計算目標的值NodeLossTolerance。這會提供 202，500 RPS 個目標，這是DAX叢集必須支援的總容量。若要判斷叢集中所需的節點數量，請將目標對應RPS至下表中的適當資料欄。對於 202，500 的目標範例，您需要具有三個節點RPS的 dax.r5.large 節點類型。

依節點類型估計叢集輸送量容量

使用 Target RPS formula，您可以估算不同節點類型的叢集容量。下表顯示具有 1、3、5 和 11 節點類型的叢集的近似容量。這些容量不會取代使用DAX您自己的資料和請求模式執行 負載測試的需求。此外，這些容量不包括 t 型執行個體，因為其缺乏固定CPU容量。下表中所有值的單位為標準化 RPS。

由於每個節點的最大限制為 100 萬 NPS（每秒網路操作），因此 dax.r5.8xlarge 或更大的節點不會增加額外的叢集容量。大於 8xlarge 的節點類型可能不會導致叢集的總輸送量容量。不過，這類節點類型有助於在記憶體中存放較大的工作資料集。

在DAX叢集中擴展寫入容量

每次寫入 都會在每個節點上DAX耗用 25 個標準化請求。由於每個節點有 100 萬個RPS限制，DAX因此叢集的每秒寫入次數限制為 40，000 次，而不計入讀取用量。

如果您的使用案例在快取中每秒需要超過 40，000 個寫入，您必須使用不同的DAX叢集，並在其中碎片寫入。與 DynamoDB 類似，您可以雜湊寫入快取的資料分割區索引鍵。然後，使用模數來決定要寫入資料的碎片。

下列範例會計算輸入字串的雜湊。然後，它會使用 10 計算雜湊值的模數。

def hash_modulo(input_string):
    # Compute the hash of the input string
    hash_value = hash(input_string)

    # Compute the modulus of the hash value with 10
    bucket_number = hash_value % 10

    return bucket_number

#Example usage
if _name_ == "_main_":
    input_string = input("Enter a string: ")
    result = hash_modulo(input_string)
    print(f"The hash modulo 10 of '{input_string}' is: {result}.")