เมื่อคุณสร้างนโยบายการปรับขนาดอัตโนมัติของ ECS จะมีแท็กการเตือนสองแท็กพร้อมกัน: หนึ่งสำหรับการปรับขนาดขึ้น ("ออก") หนึ่งสำหรับการปรับขนาดลง ("ใน")
ตัวปรับขนาดออกที่ฉันเห็นว่าสร้างขึ้นเพื่อสุ่มตัวอย่างการใช้งาน CPU (หรือเมตริกที่สนใจ) ทุกนาที และจะเปิดใช้งานการปรับอัตโนมัติเมื่อจุดข้อมูลสามจุดที่ต่อเนื่องกันละเมิดเกณฑ์เท่านั้น
ซึ่งหมายความว่าหากฉันเห็นการจราจรที่พุ่งสูงขึ้น เวลาจะผ่านไปสามนาทีก่อนที่สเกลเอาท์จะเกิดขึ้น (ในความเป็นจริง โดยเฉลี่ยแล้วการละเมิดเกณฑ์จะเกิดขึ้นในช่วงกลางของช่วงเวลาสุ่มตัวอย่าง ดังนั้นความล่าช้าจึงอยู่ที่สามนาทีครึ่ง)
ฉันสามารถปรับอัตราการสุ่มตัวอย่างและจำนวนจุดข้อมูลที่ต้องการผ่านเว็บอินเทอร์เฟซของคอนโซล AWS
อย่างไรก็ตาม ฉันต้องการจัดการโครงสร้างพื้นฐานของฉันผ่าน Terraform
ฉันจะใช้ Terraform ได้อย่างไร แต่ไม่มีการคลิกด้วยตนเองเพื่อลดระยะเวลาระหว่าง (a) การละเมิดเกณฑ์ครั้งแรก; และ (b) ช่วงเวลาที่ฉันเริ่มลดขนาด? (นอกจากนี้: นี่เป็นเรื่องโง่ ๆ ที่จะพยายามหรือไม่ ฉันจะทำแบบ awk-bascards หรือไม่)
เท่าที่ฉันสามารถบอกได้ มันดูเหมือนการเล่นสเก็ตน้ำแข็งขึ้นเนิน: การสร้างนโยบายการปรับขนาดอัตโนมัติ (ซึ่งฉันสามารถทำได้ผ่าน Terraform) จะสร้างการเตือนสองครั้งโดยอัตโนมัติและส่งแฮนเดิลกลับไปให้พวกเขา (ดู https://docs.aws.amazon.com/autoscaling/application/APIReference/API_PutScalingPolicy.html) แต่ Terraform ไม่เปิดเผยที่จับเหล่านั้น (ดู https://registry.terraform.io/providers/hashicorp/aws/latest/docs/resources/appautoscaling_policy#attributes-reference). ยังเป็นไปได้ใน Terraform หรือไม่? ต้องใช้ความพยายามอย่างกล้าหาญหรือไม่?
คุณสามารถทำสิ่งนี้ให้สำเร็จได้ด้วย Terraform มีสองสามวิธีในการบรรลุเป้าหมายนี้ แต่ฉันจะเน้นวิธีที่ทำให้คุณมีความยืดหยุ่นมากขึ้น
สมมติว่าคุณมีของคุณแล้ว aws_autoscaling_group กำหนดทรัพยากรแล้ว หลังจากนั้นคุณต้องกำหนดนโยบายการปรับสเกลสำหรับ ASG และ CloudWatch สัญญาณเตือนภัยที่จะเรียกพวกเขา
ฉันมักจะติดตามตัวชี้วัดที่แตกต่างกัน 3 รายการสำหรับการปรับขนาดอัตโนมัติ: MemoryReservation, CPUReservation และ CPUUtilization
ทรัพยากร "aws_autoscaling_policy" "my-cpu-scal-up" {
ชื่อ = "my-cpu-scal-up"
scaling_adjustment = 1
adjustment_type = "ความสามารถในการเปลี่ยนแปลง"
คูลดาวน์ = 60
autoscaling_group_name = aws_autoscaling_group.[your-asg-resource].name
}
ทรัพยากร "aws_autoscaling_policy" "my-cpu-scale-down" {
ชื่อ = "my-cpu-scal-down"
scaling_adjustment = -1
adjustment_type = "ความสามารถในการเปลี่ยนแปลง"
คูลดาวน์ = 300
autoscaling_group_name = aws_autoscaling_group.[your-asg-resource].name
}
ทรัพยากร "aws_cloudwatch_metric_alarm" "my-cpu-usage-high" {
alarm_name = "my-cpu-การใช้งานสูง"
Comparison_operator = "มากกว่าหรือเทียบเท่ากับเกณฑ์"
evaluation_periods = "2"
metric_name = "การใช้งานซีพียู"
เนมสเปซ = "AWS/EC2"
ระยะเวลา = "60" // วินาที
สถิติ = "ค่าเฉลี่ย"
เกณฑ์ = "70" // ใน %
alarm_description = "เมตริกนี้ตรวจสอบคลัสเตอร์สำหรับการใช้งาน CPU สูง"
alarm_actions = [
aws_autoscaling_policy.my-cpu-scale-up.arn
]
ขนาด ={
AutoScalingGroupName= aws_autoscaling_group.[your-asg-resource].name
}
}
ทรัพยากร "aws_cloudwatch_metric_alarm" "my-cpu-usage-low" {
alarm_name = "my-cpu-use-low"
Comparison_operator = "LessThanOrEqualToThreshold"
evaluation_periods = "2"
metric_name = "การใช้งานซีพียู"
เนมสเปซ = "AWS/EC2"
ระยะเวลา = "60"
สถิติ = "ค่าเฉลี่ย"
เกณฑ์ = "20"
alarm_description = "เมตริกนี้ตรวจสอบคลัสเตอร์ของฉันสำหรับการใช้งาน CPU ต่ำ"
alarm_actions = [
aws_autoscaling_policy.my-cpu-scale-down.arn
]
ขนาด ={
AutoScalingGroupName= aws_autoscaling_group.[your-asg-resource].name
}
}
ดังที่คุณเห็นจากตัวอย่างนี้ เราสามารถเล่นกับการกำหนดค่าการเตือนภัยได้จนกว่าเราจะได้ผลลัพธ์ที่ต้องการ
หวังว่าจะช่วยได้!
คนส่วนใหญ่ไม่เข้าใจว่าการถามคำถามมากมายจะปลดล็อกการเรียนรู้และปรับปรุงความสัมพันธ์ระหว่างบุคคล ตัวอย่างเช่น ในการศึกษาของ Alison แม้ว่าผู้คนจะจำได้อย่างแม่นยำว่ามีคำถามกี่ข้อที่ถูกถามในการสนทนา แต่พวกเขาไม่เข้าใจความเชื่อมโยงระหว่างคำถามและความชอบ จากการศึกษาทั้ง 4 เรื่องที่ผู้เข้าร่วมมีส่วนร่วมในการสนทนาด้วยตนเองหรืออ่านบันทึกการสนทนาของผู้อื่น ผู้คนมักไม่ตระหนักว่าการถามคำถามจะมีอิทธิพลหรือมีอิทธิพลต่อระดับมิตรภาพระหว่างผู้สนทนา
