Автоскейлинг для базы данных RDS Aurora — базовая функция или ее нужно включать

Автоскейлинг в Amazon RDS Aurora: Базовая функция или опция?

Автоскейлинг для Amazon RDS Aurora — это не базовая, автоматически включенная функция, а опция, которую необходимо явно настраивать и включать. Это важное различие, которое часто вызывает путаницу. Хотя Aurora обладает встроенными механизмами для масштабирования (например, автоматическое увеличение размера хранилища), полноценный автоскейлинг вычислительных ресурсов (CPU и RAM) требует отдельной конфигурации.

Встроенные возможности масштабирования Aurora

Aurora изначально спроектирована для лучшей масштабируемости по сравнению с классическим RDS, но это касается в первую очередь архитектуры хранения и чтения:

• Автомасштабирование хранилища: Размер тома хранилища автоматически увеличивается по мере добавления данных, вплоть до 128 ТБ. Это базовая и неотключаемая функция.
• Горизонтальное масштабирование для чтения: Вы можете вручную добавить до 15 Aurora Replicas (реплик только для чтения) в пределах одного региона. Они распределяют нагрузку запросов на чтение.
• Aurora Serverless v2: Это отдельный, более продвинутый режим работы, где масштабирование вычислительных ресурсов (ACU — Aurora Capacity Units) происходит автоматически, непрерывно и практически мгновенно. Это уже "истинный" автосклейлинг, но он требует выбора именно этого режима при создании или миграции кластера.

Автоскейлинг реплик для чтения (Read Replicas Auto Scaling)

Это и есть та самая опция, которую нужно включать. Она доступна для кластеров Aurora (как MySQL, так и PostgreSQL-совместимых) в режиме Provisioned (т.е., не Serverless).

Как это работает:

1. Вы настраиваете политику автоскейлинга в AWS Management Console, CLI или через CloudFormation/Terraform. Политика определяет:

    *   **Метрики для масштабирования:** Обычно это средняя загрузка CPU всех реплик (`AuroraReplicaLagMaximum`, `RDSReaderAverageCPUUtilization`).
    *   **Пороговые значения:** Например, масштабироваться при загрузке CPU > 70% в течение 5 минут.
    *   **Пределы:** Минимальное и максимальное количество реплик в кластере (например, от 1 до 5).

1. Сервис Application Auto Scaling управляет процессом:

    *   При превышении порога — добавляет новую реплику.
    *  При падении нагрузки ниже нижнего порога в течение заданного времени — удаляет реплику.
    *  Создание новой реплики занимает несколько минут, так как данные копируются из первичного инстанса.

Пример настройки через AWS CLI:

# Регистрация цели автоскейлинга для реплик Aurora
aws application-autoscaling register-scalable-target \
    --service-namespace rds \
    --resource-id cluster:my-aurora-cluster \
    --scalable-dimension rds:cluster:ReadReplicaCount \
    --min-capacity 1 \
    --max-capacity 5

# Создание политики масштабирования на основе CPU
aws application-autoscaling put-scaling-policy \
    --policy-name my-aurora-cpu-scaling \
    --service-namespace rds \
    --resource-id cluster:my-aurora-cluster \
    --scalable-dimension rds:cluster:ReadReplicaCount \
    --policy-type TargetTrackingScaling \
    --target-tracking-scaling-policy-configuration '{
        "TargetValue": 70.0,
        "PredefinedMetricSpecification": {
            "PredefinedMetricType": "RDSReaderAverageCPUUtilization"
        },
        "ScaleOutCooldown": 300,
        "ScaleInCooldown": 600
    }'

Ключевые ограничения и нюансы

• Только для чтения: Автоскейлинг применяется только к репликам для чтения. Первичный инстанс (writer) не масштабируется автоматически. Для него нужно вручную изменить класс инстанса или использовать Aurora Serverless v2.
• Задержка масштабирования: Добавление реплики — операция, занимающая минуты (5-15+), а не секунды. Это не подходит для мгновенных пиковых нагрузок.
• Метрики: Необходимо тщательно выбирать метрики. Использование только CPUUtilization может быть недостаточно. Часто критичной является метрика AuroraReplicaLagMaximum, чтобы не добавлять реплики при сильном отставании существующих.
• Стоимость: Каждая добавленная реплика увеличивает стоимость кластера.

Рекомендации по использованию

• Для непредсказуемых или скачкообразных рабочих нагрузок на чтение — автоскейлинг реплик хорош для постепенного роста или периодических нагрузок (например, отчеты в конце дня).
• Для сглаживания стандартной дневной нагрузки — часто эффективнее использовать запланированные действия (Scheduled Actions) для добавления/удаления реплик по расписанию.
• Для критически переменных нагрузок, включая запись — рассмотрите Aurora Serverless v2. Он масштабирует вычислительную мощность единого инстанса (и для чтения, и для записи) за секунды, что является наиболее "базовым" и автоматическим вариантом с точки зрения пользователя, но на другой архитектурной основе.

Вывод: Автоскейлинг вычислительных ресурсов в RDS Aurora — это настраиваемая опция (для реплик чтения в Provisioned-режиме) или отдельный режим работы (Serverless v2), а не базовая, всегда включенная функция. Ее включение требует понимания архитектуры приложения, паттернов нагрузки и тщательной настройки политик на основе правильных метрик CloudWatch.