写点什么

Auto Scaling for Amazon DynamoDB

  • 2019-11-12
  • 本文字数:2243 字

    阅读完需:约 7 分钟

Auto Scaling for Amazon DynamoDB

Amazon DynamoDB 拥有十万多的客户,客户身处各种行业,使用案例也各不相同。这些客户依赖于 DynamoDB 在任何规模下都能提供的一致性能和覆盖全球 16 个地理区域的服务网络。最近我们注意到一个趋势,客户正在使用 DynamoDB 来为他们的无服务器应用程序提供支持。这是一个很好的搭配:使用 DynamoDB,您无需考虑配置服务器、执行操作系统和数据库软件修补或跨可用区配置复制以确保高可用性之类的事情 – 您只需创建一些表,然后开始添加数据,其他的交给 DynamoDB 处理。


DynamoDB 提供预置容量模式,可以让您设定您的应用程序所需的读取和写入容量。尽管这让您无需考虑服务器,在 AWS 管理控制台中进行简单的 API 调用或按钮单击就可以对表的配置进行更改,但客户已经在询问我们,有没有方法让管理 DynamoDB 容量变得更加轻松。


现在,我们推出了 Auto Scaling for DynamoDB,可帮助您实现表和全局二级索引容量管理的自动化。您只要指定所需的目标使用率,并提供读取和写入容量的上限和下限。之后,DynamoDB 将利用 Amazon Cloudwatch 警报来监控吞吐量占用情况,并根据需要上调或下调预置容量。Auto Scaling 对于所有新表和索引默认启用,您还可以对现有表和索引配置此功能。即使您不在左右,DynamoDB Auto Scaling 也将监控您的表和索引,并根据应用程序流量的变化自动调整吞吐量。这使您可以更加轻松地管理 DynamoDB 数据,帮助您最大程度地提高应用程序的可用性,并帮助您降低 DynamoDB 成本。我们来看看它是如何工作的……


使用 Auto Scaling


现在当您创建新表时,DynamoDB 控制台会提出一组适宜的默认参数。您可以原样接受它们,也可以取消选中“Use default settings”,然后输入您自己的参数:



以下是您输入自己的参数的方式:



目标使用率以占用容量与预置容量的比值来表示。以上参数将允许提供足够的空间,使占用容量能够在读取或写入请求突增时倍增 (请参阅容量单位计算,了解更多有关 DynamoDB 读取和写入操作与预置容量之间关系的信息)。预置容量的变化是在后台发生的。


Auto Scaling 的实际操作


为了了解这项重要的新功能的实际操作,我按照入门指南中的指示进行了操作。我启动了一个全新的 EC2 实例,安装了 (sudo pip install boto3) 并配置了 (aws configure) 适用于 Python 的 AWS 开发工具包。然后我使用 Python 和 DynamoDB 一节中的代码创建了一个表,为其填充了一些数据,并手动为该表分别配置了 5 个读取和写入容量单位。我稍作休息,以便 CloudWatch 指标形成简洁的直线,这样我就可以展示 Auto Scaling 的效果了。这是我开始应用负载之前指标的样子:



步骤3中,我修改了代码,以便继续在 1920 年至 2007 年之间随机选择年份执行查询,运行一份代码,并在一两分钟后查看了读取指标:



占用的容量高于预置的容量,导致出现了大量的受限制读取。现在就是 Auto Scaling 发挥作用的时间了!我返回控制台,单击了我的表中的 Capacity 选项卡。然后我单击 Read capacity,接受默认值,并单击 Save



DynamoDB 创建了一个新的 IAM 角色 (DynamoDBAutoscaleRole) 和一对 CloudWatch 警报来管理读取容量的 Auto Scaling:



DynamoDB Auto Scaling 将会管理警报的阈值,在扩展过程中上下移动这些阈值。第一个警报被触发,表状态更改为 Updating,同时预置了额外的读取容量:



几分钟内,读取指标中就会显示这一更改:



我启动了我修改后的查询脚本的其他几个副本,并观察额外容量的预置情况,如红线所示:



我删除了所有的脚本,然后去做其他的事情,同时等待缩减警报触发。以下是我返回时所看到的:



第二天,我检查了我的 Scaling activities,看到警报在一夜间已经触发了多次:



这在指标中也有显示:



到现在为止,对于这种情况,您需要根据预期使用情况合理设置您的读取容量,还要准备着为超额容量 (蓝线和红线之间的空间) 付款。否则,您可能将它设置得太低,忘了进行监控,而在流量攀升时容量耗尽。使用 Auto Scaling,您就可以做到两全其美:当需求增加,表明需要更多容量时自动响应,当容量不再需要时,再一次自动响应。


须知事项


DynamoDB Auto Scaling 可用于处理以大致可预测、通常为周期性的方式变化的请求速率。如果您需要处理不可预测的读取活动突增,则应将 Auto Scaling 与 DAX 结合使用 (请参阅 Amazon DynamoDB Accelerator (DAX) – 读取操作密集型工作负载的内存缓存以了解更多信息)。另外,AWS SDK 会检测受限制的读取和写入请求,并在适当的延迟之后重新尝试这些请求。


我之前提到了 DynamoDBAutoscaleRole。该角色为 Auto Scaling 提供它要扩展和收缩表和索引所需的权限。要了解更多有关这一角色及其使用权限的信息,请参阅Using the AWS Management Console With DynamoDB Auto Scaling


Auto Scaling 拥有完整的 CLI 和 API 支持,包括启用和禁用 Auto Scaling 策略的能力。如果您的流量存在一些可预测的时限性峰值,则您可以通过编程的方式禁用 Auto Scaling 策略,在设定的时间段内预置更高的吞吐量,并在之后重新启用 Auto Scaling。


DynamoDB 中的限制页面中所述,您可以按您所需的频率,根据您的需求增加预置容量 (受限于可以申请增加的每帐户限制)。对于每个表或全局二级索引,您每天最多可将容量减少九次。您将按照正常的 DynamoDB 定价为您预置的容量付费。您还可以通过购买 DynamoDB 预留容量进一步节省费用。


现已推出 此功能现已在所有区域推出,您可以立即开始使用。


-Jeff


本文转载自 AWS 技术博客。


原文链接:


https://amazonaws-china.com/cn/blogs/china/new-auto-scaling-for-amazon-dynamodb/


2019-11-12 08:00809

评论

发布
暂无评论
发现更多内容

自己动手写Docker系列 -- 4.4实现简单镜像打包

Docker

架构师实战营王者荣耀商城异地多活架构设计

刘洋

#架构实战营 「架构实战营」

一个LabVIEW控件,生成模拟波形效果

不脱发的程序猿

数据可视化 LabVIEW 生成模拟波形效果

工作想法小计(5):3/7 - 3/18

非晓为骁

个人成长 细节 工作想法

常见的社群玩法盘点,你做的是哪一种?

源字节1号

开源 社群

LabVIEW实现CRC校验

不脱发的程序猿

LabVIEW CRC校验

聊一聊C语言位域/位段

不脱发的程序猿

C语言 嵌入式开发 位域/位段

模块九:毕业设计

黄秀明

「架构实战营」

尤达 DDD 领域驱动设计思想 第四章作业(使用事件风暴建模法对SmartRM系统的交易域重新建模)

代廉洁

尤达DDD领域驱动设计思想

bigdata作业2

Pyel

电路模型和电路定律(Ⅰ)

謓泽

3月月更

B端/C端中,产品or运营哪个更重要?

源字节1号

运营

掌握《网络》,见微才能知著

蔡农曰

TCP https 网络 HTTP TCP/IP

【面试-经验之谈】面霸是如何养成的,他的路子真的野

测试猿温大大

面试 涨薪 测试工程师

腾讯一面:说一说 MySQL 中索引的底层原理

老周聊架构

MySQL 3月月更

自己动手写Docker系列 -- 5.1实现容器的后台运行

Docker

架构学习总结

tony

「架构实战营」

一个用于学习KVM的迷你虚拟机

ScratchLab

虚拟机 虚拟化 kvm VT-x

云上业务配置选型的一些小Tips

穿过生命散发芬芳

3月月更

小程序电商业务微服务架构及微服务框架模式

「架构实战营」

RabbitMQ 的五种消息模型

Ayue、

RabbitMQ 3月月更

更新丨织信Informat V1.12:审批流通知支持移动端打开链接,一键实现快速审批

优秀

低代码开发

模块九秒杀作业

novoer

「架构实战营」

架构实战营毕业总结

novoer

「架构实战营」

《不敢止步》--读书笔记

stars

2万字详解测试金字塔

俞凡

最佳实践 测试 研发效能

ICT的圣杯(三):产业融合的技术乐章

脑极体

高并发架构实战课 期中测试:某达架构设计说明书

👽

李智慧 高并发架构实战课 李智慧

在 Node.js 中使用 Yaml 编写API文档

devpoint

node.js API yaml swagger 3月月更

Redis缓存应用—旁路缓存和数据一致性

javaadu

redis 缓存

从简单代码入手,分析线程池原理

架构 线程池 池化思想

Auto Scaling for Amazon DynamoDB_语言 & 开发_亚马逊云科技 (Amazon Web Services)_InfoQ精选文章