Hantera horisontell klusterskalning (skala ut) i Azure Data Explorer för att hantera föränderlig efterfrågan

Att ändra storlek på ett kluster på rätt sätt är viktigt för prestandan hos Azure Data Explorer. En statisk klusterstorlek kan leda till underutnyttjande eller överanvändning, vilket inte är idealiskt. Eftersom efterfrågan på ett kluster inte kan förutsägas med absolut noggrannhet är det bättre att skala ett kluster och lägga till och ta bort kapacitets- och CPU-resurser med föränderlig efterfrågan.

Det finns två arbetsflöden för att skala ett Azure Data Explorer kluster:

• Horisontell skalning, kallas även för att skala in och ut.
• Vertikal skalning, kallas även för att skala upp och ned. Den här artikeln beskriver arbetsflödet för horisontell skalning.

Konfigurera horisontell skalning

Genom att använda horisontell skalning kan du skala instansantalet automatiskt baserat på fördefinierade regler och scheman. Så här anger du autoskalningsinställningarna för klustret:

1. I Azure Portal du till din Azure Data Explorer klusterresurs. Under Inställningarväljer du Skala ut.

2. I fönstret Skala ut väljer du den autoskalningsmetod som du vill använda: Manuellskalning, Optimerad autoskalningeller Anpassad autoskalning.

Manuell skalning

Manuell skalning är standardinställningen när klustret skapas. Klustret har en statisk kapacitet som inte ändras automatiskt. Du väljer den statiska kapaciteten med hjälp av fältet Antal instanser. Klustrets skalning finns kvar på den inställningen tills du gör en ny ändring.

Optimerad autoskalning

Optimerad autoskalning är den rekommenderade autoskalningsmetoden. Den här metoden optimerar klusterprestanda och kostnader. Om klustret närmar sig ett underutnyttjandetillstånd skalas det in. Den här åtgärden sänker kostnaderna men behåller prestandanivån. Om klustret närmar sig ett tillstånd av överanvändning skalas det ut för att upprätthålla optimala prestanda. Så här konfigurerar du optimerad autoskalning:

1. Välj Optimerad autoskalning.

2. Välj ett minsta antal instanser och ett maximalt antal instanser. Klustrets automatiska skalning sträcker sig mellan dessa två tal, baserat på belastning.

3. Välj Spara.

   

Optimerad autoskalning börjar fungera. Dess åtgärder visas nu i Azure-aktivitetsloggen för klustret.

Logik för optimerad autoskalning

Skala ut

När klustret närmar sig ett tillstånd av överanvändning skalar du ut för att upprätthålla optimala prestanda. Utskalning sker när:

• Antalet klusterinstanser är lägre än det maximala antalet instanser som definierats av användaren.
• Cacheanvändningen är hög i över en timme.
• Processorn är hög i över en timme.
• Inmatningsanvändningen är hög i över en timme.

Skala in

När klustret närmar sig ett underutnyttjandetillstånd kan du skala in för att sänka kostnaderna men upprätthålla prestanda. Flera mått används för att verifiera att det är säkert att skala i klustret. Följande regler utvärderas varje timme i 6 timmar innan inskalning utförs:

• Antalet instanser är över 2 och över det minsta antalet definierade instanser.
• För att säkerställa att resurserna inte överbelastas måste följande mått verifieras innan inskalningen utförs:
  • Cacheanvändningen är inte hög
  • CPU är lägre än genomsnittet
  • Inmatningsanvändningen är lägre än genomsnittet
  • Inmatningsanvändningen för direktuppspelning (om strömningsinmatning används) är inte hög
  • Keep alive-händelser är över ett definierat minimum, bearbetas korrekt och i tid.
  • Ingen frågebegränsning
  • Antalet misslyckade frågor är lägre än ett definierat minimum.

Anpassad autoskalning

Genom att använda anpassad autoskalning kan du skala klustret dynamiskt baserat på mått som du anger. Följande bild visar flödet och stegen för att konfigurera anpassad autoskalning. Mer information finns i bilden.

1. I rutan Autoskalningsinställningsnamn anger du ett namn, till exempel Skala ut: cacheanvändning.

   

2. För Skalningslägeväljer du Skala baserat på ett mått. Det här läget ger dynamisk skalning. Du kan också välja Skala till ett specifikt instansantal.

3. Välj + Lägg till en regel.

4. I avsnittet Skalningsregel till höger anger du värden för varje inställning.

   Kriterie

   Inställning	Beskrivning och värde
   Tidsmängd	Välj ett aggregeringsvillkor, till exempel Medelvärde.
   Måttnamn	Välj det mått som du vill att skalningsåtgärden ska baseras på, till exempel Cacheanvändning.
   Tidsintervallstatistik	Välj mellan Average, Minimum, Maximumoch Sum.
   Operator	Välj lämpligt alternativ, till exempel Större än eller lika med.
   Tröskelvärde	Välj ett lämpligt värde. Till exempel är 80 procent en bra startpunkt för cacheanvändning.
   Varaktighet (i minuter)	Välj en lämplig tid för systemet att titta tillbaka när mått beräknas. Börja med standardvärdet 10 minuter.

   Åtgärd

   Inställning	Beskrivning och värde
   Åtgärd	Välj lämpligt alternativ för att skala in eller ut.
   Antal instanser	Välj det antal noder eller instanser som du vill lägga till eller ta bort när ett måttvillkor uppfylls.
   Väntetid (minuter)	Välj ett lämpligt tidsintervall för att vänta mellan skalningsåtgärder. Börja med standardvärdet fem minuter.

5. Välj Lägg till.

6. I avsnittet Instansgränser till vänster anger du värden för varje inställning.

   Inställning	Beskrivning och värde
   Minsta	Antalet instanser som klustret inte skalar under, oavsett användning.
   Maximal	Antalet instanser som klustret inte skalar över, oavsett användning.
   Standardvärde	Standardantalet instanser. Den här inställningen används om det finns problem med att läsa resursmåtten.

7. Välj Spara.

Nu har du konfigurerat horisontell skalning för ditt Azure Data Explorer kluster. Lägg till en annan regel för vertikal skalning. Om du behöver hjälp med problem med klusterskalning öppnar du en supportbegäran i Azure Portal.

Nästa steg

• Övervaka Azure Data Explorer prestanda, hälsa och användning med mått
• Hantera vertikal klusterskalning för lämplig storleksändring av ett kluster.