Veröffentlicht am: Nov 12, 2018
Sie können jetzt benutzerdefinierte Endpunkte für Amazon Aurora-Datenbanken erstellen. Damit können Sie Workloads über mehrere Sätze von Datenbank-Instances in Ihrem Aurora-Cluster verteilen und Load Balancing für sie ausführen.
Zum Beispiel können Sie einen Satz von Aurora Replicas bereitstellen, um einen Instance-Typ mit höherer Speicherkapazität zur Ausführung eines Analyse-Workloads zu verwenden. Ein benutzerdefinierter Endpunkt hilft Ihnen dann bei der Weiterleitung des Analyse-Workloads an diese entsprechend konfigurierten Instances, wobei andere Instances in Ihrem Cluster von diesem Workload abgeschirmt bleiben. Während Sie Instances am benutzerdefinierten Endpunkt entsprechend des Workloads hinzufügen oder entfernen, hilft der Endpunkt beim Lastausgleich.
Wenn Sie einen benutzerdefinierten Endpunkt erstellen, können Sie angeben, welche Instances damit abgedeckt werden. Außerdem können Sie konfigurieren, ob neu erstellte Instances im Cluster automatisch zu Ihrem benutzerdefinierten Endpunkt hinzugefügt werden sollen. Sie können jederzeit Instances zum Endpunkt hinzufügen oder löschen. Sie können weiterhin den Leser-Endpunkt nutzen, um Ihr Lese-Workload auf alle Aurora Replicas in Ihrem Cluster zu verteilen, den Cluster-Endpunkt, um eine Verbindung zur Schreiber-Instance herzustellen, und Instance-Endpunkte, um eine Verbindung zu einer bestimmten Instance in Ihrem Cluster herzustellen.
Diese Funktion ist für die MySQL- und PostgreSQL-kompatiblen Editionen von Amazon Aurora verfügbar. Lesen Sie die Aurora-Dokumentation, um mehr über benutzerdefinierte Endpunkte in Aurora zu erfahren. Um regionsübergreifende Read Replicas zu erstellen, besuchen Sie die Amazon RDS-Managementkonsole oder laden Sie das neueste AWS-SDK oder -CLI herunter.
Amazon Aurora kombiniert die Leistung und Verfügbarkeit von kommerziellen High-End-Datenbanken mit der Einfachheit und Kosteneffizienz von Open-Source-Datenbanken. Es bietet eine bis zu fünfmal bessere Leistung als die typische MySQL-Datenbank und eine dreimal bessere Leistung als die typische PostgreSQL-Datenbank, sowie erhöhte Skalierbarkeit, Haltbarkeit und Sicherheit. Siehe die AWS-Regionentabelle für vollständige regionale Verfügbarkeitsinformationen.