AWS Auto Scaling 文档

• Amazon EC2：在 Amazon EC2 Auto Scaling 组中启动或终止 Amazon EC2 实例。 
• Amazon EC2 竞价型实例集：从 Amazon EC2 竞价型实例集中启动或终止实例，或自动替换因价格或容量原因而中断的实例。 
• Amazon ECS：增加或减少 ECS 服务的期望任务数，以应对负载变化。 
• Amazon DynamoDB：启用 DynamoDB 表格或全局二级索引，以提高其预置的读取和写入容量，从而在不节流的情况下应对流量的突增。 
• Amazon Aurora：动态调整为 Aurora 数据库集群预置的 Aurora 只读副本数量，以应对活跃连接或工作负载的突增。
  

AWS Auto Scaling 的设计可扫描您的环境，并自动发现应用程序底层的可扩展云资源，因此您无需通过各个服务接口逐一手动识别这些资源。

使用 AWS Auto Scaling，您可以从三种预定义的优化策略中选择一种，这些策略旨在提高性能、优化成本或平衡两者。如果您愿意，可以设置自己的目标资源利用率。AWS Auto Scaling 将根据您选择的扩展策略，为您的每个资源创建扩展策略。

预测式扩展旨在预测未来流量，包括定期出现的峰值，并在预测的更改之前预置正确数量的 EC2 实例。预测式扩展的机器学习算法旨在检测每日和每周模式的变化，自动调整预测结果。如此一来，无需随时间手动调整 Auto Scaling 参数，使 Auto Scaling 更易于配置和使用。通过预测式扩展增强的 Auto Scaling 有助于提供更快、更简单、更准确的容量预置，从而降低成本并提高应用程序响应速度。

AWS Auto Scaling 的设计可使用您选择的扩展策略为每个指标设置目标值，自动为扩展计划中的资源创建目标跟踪扩展策略。AWS Auto Scaling 还支持创建和管理 Amazon CloudWatch 警报，这些警报会触发对每个资源的扩展调整。

AWS Auto Scaling 旨在计算适当的扩展调整，并根据需要增加和删除容量，以使您的指标保持在目标范围内。AWS 目标跟踪扩展策略旨在支持自我优化，并学习您的实际负载模式，以最大限度地减少资源容量的波动。这可以实现更顺畅、更智能的扩展，您只需为实际需要的资源付费。

有关服务控制、安全特征和功能的更多信息，包括有关存储、检索、修改、限制和删除数据的信息（如适用），请参阅 https://docs.aws.amazon.com/index.html。就 http://aws.amazon.com/agreement 上的 AWS 客户协议或您与 AWS 之间签订的管理您使用 AWS 服务的其他协议而言，这些附加信息不构成文档的一部分。