Auto Scaling:Configurer une politique de suppression d'instances pour un groupe de mise à l'échelle

Politique de suppression d'instances

Une politique de suppression d'instances combine une Scaling Policy et une Instance Removing Policy. Lorsqu'Auto Scaling supprime une instance ECS d'un groupe de mise à l'échelle, elle applique ces deux politiques pour déterminer quelle instance retirer.

Politique de mise à l'échelle

Une politique de mise à l'échelle détermine comment ajouter ou supprimer des instances ECS en fonction de critères tels que la zone ou le coût d'une instance ECS. Lors d'un événement de réduction, Auto Scaling utilise cette politique pour filtrer et supprimer les instances ECS éligibles du groupe de mise à l'échelle. Les politiques de mise à l'échelle suivantes sont disponibles :

• Priority Policy : le premier vSwitch que vous spécifiez possède la priorité la plus élevée. Auto Scaling tente d'abord de mettre à l'échelle les instances dans la zone où réside le vSwitch prioritaire. Si l'activité de mise à l'échelle échoue, elle passe automatiquement à la zone du vSwitch suivant par ordre de priorité.

• Balanced Distribution Policy : cette politique prend effet lorsqu'un groupe de mise à l'échelle est associé à plusieurs vSwitches répartis sur deux zones ou plus. Après une activité de mise à l'échelle, Auto Scaling veille à ce que les instances ECS soient distribuées uniformément entre les zones.

• Cost Optimization Policy : cette politique prend effet lorsque vous spécifiez plusieurs types d'instances dans la configuration de mise à l'échelle. Lors d'un événement d'extension (scale-out), Auto Scaling crée d'abord des instances ECS avec le prix unitaire par vCPU le plus bas. Lors d'un événement de réduction, Auto Scaling supprime d'abord les instances ECS avec le prix unitaire par vCPU le plus élevé.

  Remarque

  Si vous spécifiez plusieurs types d'instances pour les instances préemptives dans une configuration de mise à l'échelle, Auto Scaling crée d'abord les instances préemptives correspondantes. Si la création d'instances préemptives échoue, par exemple en raison d'un stock insuffisant, Auto Scaling tente automatiquement de créer des instances ECS en paiement à l'utilisation.

• Custom Combination Policy : cette politique vous permet de personnaliser la distribution de la capacité. Vous pouvez l'utiliser pour ajuster le ratio entre les instances en paiement à l'utilisation et les instances préemptives, équilibrer la capacité entre les zones et sélectionner les types d'instances répondant à vos exigences.

Politique de réduction

Une politique de réduction détermine quelles instances ECS éligibles doivent être supprimées d'un groupe de mise à l'échelle. Vous pouvez configurer une politique de réduction en une ou deux étapes :

• Si vous configurez une politique en une étape, Auto Scaling filtre les instances selon le critère unique que vous définissez.

• Si vous configurez une politique en deux étapes, Auto Scaling filtre d'abord les instances selon le premier critère, puis applique le second. Vous ne pouvez pas sélectionner la même option pour les deux étapes.

Les politiques suivantes sont disponibles :

• Instances Created From Earliest Scaling Configuration : Auto Scaling supprime les instances créées à partir de la configuration de mise à l'échelle la plus ancienne ou du modèle de lancement le plus ancien. Aucune configuration de mise à l'échelle ni aucun modèle de lancement n'est associé aux instances ajoutées manuellement au groupe de mise à l'échelle. Par conséquent, les instances ajoutées manuellement ne sont pas supprimées en priorité. Si davantage d'instances doivent être supprimées après qu'Auto Scaling a retiré toutes les instances associées à la configuration de mise à l'échelle ou au modèle de lancement le plus ancien, Auto Scaling supprime aléatoirement des instances ajoutées manuellement.

  Remarque

  La source de la configuration de mise à l'échelle dans le paramètre Instances Created From Earliest Scaling Configuration peut être une configuration de mise à l'échelle ou un modèle de lancement.

  La version d'un modèle de lancement n'indique pas l'ordre dans lequel le modèle a été ajouté. Par exemple, si vous spécifiez le modèle de lancement lt-foress V2 lors de la création d'un groupe de mise à l'échelle, puis que vous remplacez ce modèle par le modèle lt-foress V1 lors de la modification du groupe, Auto Scaling considère le modèle lt-foress V2 comme le modèle le plus ancien.

• Earliest Instances : Auto Scaling supprime les instances créées le plus tôt.

• Most Recent Instances : Auto Scaling supprime les instances créées le plus récemment.

• Custom Policy : Auto Scaling supprime les instances du groupe de mise à l'échelle selon une politique personnalisée. La politique personnalisée contient un service, une version et une fonction.

Exemples de suppression d'instances ECS

Les scénarios suivants utilisent les instances ECS décrites dans le tableau ci-dessous. Les exemples montrent comment Auto Scaling supprime une instance ECS du groupe de mise à l'échelle en fonction de différentes combinaisons d'une Scaling Policy et d'une Instance Removing Policy.

Scénario 1 : Politique de priorité + politique de réduction

Auto Scaling suit strictement la Instance Removing Policy pour sélectionner une instance ECS à supprimer. La Priority Policy n'affecte pas le résultat.

Dans cet exemple, la première étape de la Instance Removing Policy est définie sur Custom Policy . La politique personnalisée identifie les instances i-1 (dans Hangzhou Zone H) et i-3 (dans Hangzhou Zone I) comme candidates à la suppression. Le tableau suivant présente le résultat final de cette politique de suppression d'instances.

Scénario 2 : Politique de distribution équilibrée + politique de réduction

Auto Scaling applique d'abord la Balanced Distribution Policy pour sélectionner une zone de suppression, puis applique la Instance Removing Policy pour supprimer une instance. Cela garantit que le nombre d'instances reste équilibré entre les zones après l'activité de réduction. Dans cet exemple :

• Comme Hangzhou Zone I compte plus d'instances ECS que Hangzhou Zone H, la politique de distribution équilibrée identifie les instances de Hangzhou Zone I comme candidates à la suppression. Les candidates sont i-2, i-3 et i-5.

• Si la première étape de la Instance Removing Policy est définie sur Custom Policy , nous supposons que la politique identifie les instances i-1 (de Hangzhou Zone H) et i-3 (de Hangzhou Zone I) comme candidates.

Le tableau suivant présente le résultat final de la combinaison de ces politiques.

Scénario 3 : Politique d'optimisation des coûts + politique de réduction

Auto Scaling applique d'abord la Cost Optimization Policy pour supprimer l'instance ECS ayant le prix unitaire par vCPU le plus élevé. Si plusieurs instances partagent le prix le plus élevé, Auto Scaling applique ensuite la Instance Removing Policy pour sélectionner celle à supprimer. Dans cet exemple :

• Le prix unitaire par vCPU le plus élevé est de 3 USD. La politique d'optimisation des coûts identifie les instances i-3, i-4 et i-5 comme candidates à la suppression.

• Si la première étape de la Instance Removing Policy est définie sur Custom Policy , nous supposons que la politique identifie les instances i-1 (de Hangzhou Zone H) et i-3 (de Hangzhou Zone I) comme candidates.

Le tableau suivant présente le résultat final de la combinaison de ces politiques.

Rubriques connexes

• Une politique d'optimisation des coûts basée sur plusieurs types d'instances et zones peut améliorer le taux de réussite des activités de mise à l'échelle et réduire les coûts. Pour plus d'informations, consultez la section Réduire les coûts en configurant des politiques de mise à l'échelle et plusieurs types d'instances.

• Lorsqu'un événement de réduction est déclenché, le système peut utiliser une politique de réduction personnalisée pour supprimer des instances spécifiques. Pour savoir comment définir une politique personnalisée pour votre groupe de mise à l'échelle, consultez la section Personnaliser les politiques de réduction d'instances ECS à l'aide de Function Compute.