Auto scaling database MySQL untuk memenuhi tuntutan fluktuatif aplikasi

dengan Amazon Aurora

Amazon Aurora adalah database relasional yang kompatibel dengan MySQL dan PostgreSQL, menggabungkan performa dan ketersediaan database umum perusahaan dengan database sumber terbuka yang sederhana dan hemat biaya. Dalam tutorial ini, Anda akan belajar cara membuat database Amazon Aurora dan mengonfigurasinya untuk menskalakan secara otomatis, dengan menambah atau membuang replika baca, untuk memenuhi tuntutan fluktuatif aplikasi Anda.

Tutorial ini tidak termasuk tingkat gratis dan akan dikenakan biaya kurang dari USD 1 selama Anda mengikuti langkah-langkah dalam tutorial dan mengakhiri sumber daya Anda di akhir tutorial.

Tentang Tutorial ini
Waktu 10-20 menit                                           
Biaya Kurang dari USD 1
Kasus Penggunaan Database
Produk Amazon Aurora, Amazon RDS
Audiens Administrator database, Pengembang
Tingkat Menengah
Terakhir Diperbarui 2 Juli 2019

Langkah 1: Membuat klaster Aurora DB

1.1 - Buka browser dan navigasi ke konsol Amazon RDS. Jika Anda sudah memiliki akun AWS, masuk ke konsol. Atau, buat akun AWS baru untuk memulai.

1.2 - Di sudut kanan atas, pilih wilayah tempat Anda ingin meluncurkan klaster Aurora DB.

1.3 - Klik “Buat database” di jendela Amazon Aurora.

Sebelum melanjutkan, beralihlah ke alur pembuatan database baru:

Opsi mesin

1.4 - Pada mesin Database, pilih “Amazon Aurora”.

1.5 - Di Edisi, pilih “Amazon Aurora dengan kompatibilitas MySQL”.

1.6 - Di Versi, pilih versi Aurora yang Anda sukai.

1.7 - Di Lokasi Database, pilih “Wilayah”.

Fitur database

1.8 - Pilih “Satu penulis dan beberapa pembaca”.

Templat

1.9 - Pilih “Produksi”.

Pengaturan

1.10 - Pilih pengidentifikasi untuk klaster Aurora DB Anda, mis. “database-1”.

Ukuran instans DB

1.11 - Untuk ukuran instans DB, pilih instans besar (berakhiran .large).

Ketersediaan & ketahanan

1.12 - Pilih “Buat Replika/Pembaca Aurora”.

Konektivitas

1.13 - Pilih VPC tempat Anda ingin membuat database.

Harap ingat bahwa setelah dibuat database tidak dapat dimigrasikan ke VPC lain.

1.14 — Klik “Konfigurasi konektivitas tambahan”.

1.15 - Pilih nilai default untuk grup Subnet.

1.16 - Di Dapat diakses oleh publik, pilih “Tidak”.

Ini berarti Anda harus terhubung ke database dari instans EC2 di dalam VPC yang sama.

1.17 - Di grup keamanan VPC, pilih “Buat baru”. Jika Anda ternyata memiliki grup keamanan yang memungkinkan masuknya koneksi TCP di port 3306, Anda dapat memilihnya. Grup keamanan ini akan mengontrol jalan masuk ke klaster Aurora Anda.

1.18 - Di nama grup keamanan VPC Baru, ketik “tutorial-aurora”.

1.19 - Biarkan nilai default untuk port Database.

Konfigurasi tambahan

Biarkan nilai default untuk “Konfigurasi tambahan”.

Praktik terbaiknya adalah dengan mengaktifkan proteksi Penghapusan. Jika Anda ingin menghapus database di akhir tutorial, Anda dapat membiarkan opsi tetap tidak dicentang.

1.20 - Di “Proteksi penghapusan”, hapus centang “Aktifkan proteksi penghapusan”.

Periksa dan buat

Setelah melakukan ulasan cepat terhadap semua bidang di format tersebut, Anda dapat melanjutkan.

1.21 - Klik “Buat database”.

Saat instans dibuat, Anda akan melihat banner yang menjelaskan cara mendapatkan kredensial. Ini adalah kesempatan yang baik untuk menyimpan kredensial di suatu tempat, karena inilah satu-satunya waktu ketika Anda dapat melihat kata sandinya.

1.22 — Klik “Lihat detail kredensial”.

1.23 — Simpan nama pengguna, kata sandi, dan titik akhir klaster.

1.24 - Setelah menutup popup detail kredensial, klik nama database yang Anda buat.

1.25 - Salin titik akhir Penulis dan Pembaca. Anda dapat mengarahkan lalu lintas baca/tulis ke titik akhir Penulis, tetapi praktik yang baik adalah dengan mengarahkan lalu lintas hanya baca ke titik akhir Pembaca.

Langkah 2: Menambahkan kebijakan penskalaan

Aurora Auto Scaling dapat membuat dan menghapus replika berdasarkan kebijakan penskalaan yang Anda Saat beban kerja atau jumlah koneksi pada database Anda tiba-tiba bertambah, Aurora Auto Scaling dapat menambahkan Aurora Replicas. Setelah beban kerja atau jumlah koneksi berkurang, Aurora Auto Scaling menghapus Aurora Replicas ekstra agar Anda tidak menghabiskan kapasitas ekstra.

2.1 - Pilih klaster Aurora DB Anda.

2.2 - Klik “Tindakan” dan pilih “Tambahkan auto scaling replika”.

Detail kebijakan

2.3 - Pilih nama Kebijakan, mis. “kebijakan-1”.

2.4 - Pilih metrik untuk digunakan untuk auto scaling.

Ada dua metrik Target yang dapat Anda gunakan: “Pemanfaatan CPU rata-rata Aurora Replicas” dan “Koneksi rata-rata Aurora Replicas”. Aurora Auto Scaling membuat dan mengelola alarm CloudWatch yang memicu kebijakan penskalaan dan menghitung penyesuaian penskalaan berdasarkan metrik dan nilai target. Kebijakan penskalaan menambah dan menghapus Aurora Replicas sebagaimana diperlukan agar metrik tetap dekat dengan nilai target yang disebutkan.

Metrik yang akan digunakan bergantung pada arsitektur dan beban kerja aplikasi Anda. Jika Anda harus menjalankan kueri database intensif, mengukur pemanfaatan CPU bisa jadi ide yang bagus. Jika kueri Anda sederhana tetapi Anda harus menskalakan baca dan tulis, maka mengukur jumlah koneksi bisa menjadi cara yang dapat dilakukan.

Ingatlah bahwa Kebijakan Penskalaan dapat digunakan hanya pada satu metrik, tetapi Anda dapat membuat lebih dari satu Kebijakan Penskalaan. Untuk tutorial ini, Anda dapat memilih “Rata-rata koneksi Aurora Replicas”.

2.5 - Untuk nilai target, masukkan “20”.

Ini artinya Aurora Auto Scaling akan menambahkan Aurora Replicas jika jumlah koneksi mencapai nilai target 20, dan akan menghapus Replicas tambahan jika nilai target di bawah itu. Di semua kasus, Aurora Auto Scaling hanya menghapus Aurora Replicas yang dibuatnya—tidak pernah yang Anda buat.

Detail kapasitas klaster

2.6 - Untuk kapasitas minimum, masukkan "1".

2.7 - Untuk kapasitas maksimum, masukkan "2".

Jumlah untuk kapasitas minimum dan maksimum bisa dimodifikasi nanti. Di mana nilai yang akan digunakan di lingkungan produksi akan bergantung pada estimasi beban kerja, jumlah koneksi, dan anggaran Anda. Aurora Replicas yang dibuat oleh Aurora Auto Scaling sama dengan kelas instans DB yang digunakan untuk instan primer.

Ulas dan lanjutkan

2.8 - Ulas bidang dan klik “Tambahkan kebijakan”.

Langkah 3: Memodifikasi kebijakan penskalaan

3.1 - Klik klaster Aurora DB Anda.

3.2 - Klik “Catatan & peristiwa”.

3.3 - Pilih kebijakan Auto scaling Anda.

3.4 - Klik “Edit”.

Detail kapasitas klaster

3.5 - Ubah kapasitas maksimum ke 4.

3.6 - Klik “Simpan”.

Langkah 4: Menghapus kebijakan penskalaan

4.1 - Klik klaster Aurora DB Anda.

4.2 - Klik “Catatan & peristiwa”. 

4.3 - Pilih kebijakan Auto scaling Anda.

4.4 — Klik “Hapus”.

Langkah 5: Menghapus klaster Anda

Untuk menyelesaikan tutorial ini, Anda akan mempelajari cara menghapus klaster Aurora DB Anda ketika tidak diperlukan lagi. Untuk menghapus klaster Aurora DB Anda, tuju ke Dasbor RDS dan ikuti petunjuk ini: 

5.1 - Pilih “Database” di panel kiri.

Ini akan menampilkan daftar seluruh klaster Aurora DB Anda.

5.2 - Pilih instans pembaca klaster Aurora DB yang Anda buat untuk tutorial ini.

5.3 - Klik “Tindakan” dan pilih “Hapus”.

5.4 - Anda akan diminta untuk mengonfirmasi tindakan. Ketik “hapus saya” dan klik “Hapus”.

5.5 - Pilih instans penulis klaster Aurora DB yang Anda buat untuk tutorial ini.

5.6 - Klik “Tindakan” dan pilih “Hapus”.

Anda akan ditanya apakah Anda ingin membuat pencadangan akhir. Penghapusan biasanya merupakan ide yang bagus, namun tidak perlu untuk tutorial ini.

5.7 - Hapus centang kotak untuk “Buat snapshot akhir” dan centang kotak untuk “Saya mengakui...”.

5.8 - Ketik “hapus saya” dan klik “Hapus”.

Status klaster Anda akan berubah menjadi “Menghapus”. Pada poin ini, Anda juga dapat menghapus grup keamanan yang Anda buat jika Anda menetapkan bahwa Anda tidak akan memerlukannya lagi.

Selamat

Anda telah membuat klaster Aurora DB dengan Auto Scaling. Anda telah belajar cara menyesuaikan kapasitas klaster Aurora DB secara otomatis dengan menambahkan atau menghapus replika baca berdasarkan kebutuhan aplikasi Anda.

Apakah tutorial ini bermanfaat?

Terima Kasih
Harap beri tahu kami apa yang Anda sukai.
Close
Maaf karena membuat Anda kecewa
Apakah ada bagian dari tutorial yang tidak relevan, membingungkan, atau tidak akurat? Harap bantu kami meningkatkan tutorial ini dengan memberikan umpan balik.
Close