AWS Auto Scaling応用：予測スケーリング、ターゲット追跡、ウォームプール

Shunku
#AWS#Auto Scaling#EC2#Scaling#DevOps

Auto Scalingは、需要に応じてリソースを自動調整するサービスです。本記事では、効率的なスケーリング戦略と高度な機能を解説します。

スケーリングポリシーの種類

比較

flowchart TB
    subgraph Policies["スケーリングポリシー"]
        Target["ターゲット追跡"]
        Step["ステップスケーリング"]
        Simple["シンプルスケーリング"]
        Scheduled["スケジュール"]
        Predictive["予測スケーリング"]
    end

    Target --> |"推奨"| Auto1["自動調整"]
    Predictive --> |"ML活用"| Auto2["先読み調整"]
    Step --> |"段階的"| Manual1["詳細制御"]
    Scheduled --> |"定期"| Manual2["時間ベース"]

    style Target fill:#22c55e,color:#fff
    style Predictive fill:#3b82f6,color:#fff
ポリシー 用途 特徴
ターゲット追跡 一般的なワークロード 自動調整、推奨
予測スケーリング パターンのあるワークロード ML活用、先読み
ステップスケーリング 複雑な要件 段階的なスケーリング
スケジュール 予測可能なパターン 時間ベース

ターゲット追跡スケーリング

設定

TargetTrackingScalingPolicy:
  Type: AWS::AutoScaling::ScalingPolicy
  Properties:
    AutoScalingGroupName: !Ref AutoScalingGroup
    PolicyType: TargetTrackingScaling
    TargetTrackingConfiguration:
      PredefinedMetricSpecification:
        PredefinedMetricType: ASGAverageCPUUtilization
      TargetValue: 50.0
      DisableScaleIn: false

# カスタムメトリクス
CustomMetricPolicy:
  Type: AWS::AutoScaling::ScalingPolicy
  Properties:
    AutoScalingGroupName: !Ref AutoScalingGroup
    PolicyType: TargetTrackingScaling
    TargetTrackingConfiguration:
      CustomizedMetricSpecification:
        MetricName: RequestCountPerTarget
        Namespace: AWS/ApplicationELB
        Dimensions:
          - Name: TargetGroup
            Value: !GetAtt TargetGroup.TargetGroupFullName
        Statistic: Sum
        Unit: Count
      TargetValue: 1000.0

複数ポリシーの組み合わせ

# CPUベース
CPUPolicy:
  Type: AWS::AutoScaling::ScalingPolicy
  Properties:
    PolicyType: TargetTrackingScaling
    TargetTrackingConfiguration:
      PredefinedMetricSpecification:
        PredefinedMetricType: ASGAverageCPUUtilization
      TargetValue: 60.0

# リクエスト数ベース
RequestPolicy:
  Type: AWS::AutoScaling::ScalingPolicy
  Properties:
    PolicyType: TargetTrackingScaling
    TargetTrackingConfiguration:
      PredefinedMetricSpecification:
        PredefinedMetricType: ALBRequestCountPerTarget
        ResourceLabel: !Sub "${ALB.FullName}/${TargetGroup.TargetGroupFullName}"
      TargetValue: 500.0

予測スケーリング

概要

flowchart LR
    subgraph Predictive["予測スケーリング"]
        History["履歴データ"]
        ML["機械学習"]
        Forecast["予測"]
        Scale["Scaling"]
    end

    History --> ML
    ML --> Forecast
    Forecast --> |"先読み"| Scale

    style Predictive fill:#3b82f6,color:#fff

設定

PredictiveScalingPolicy:
  Type: AWS::AutoScaling::ScalingPolicy
  Properties:
    AutoScalingGroupName: !Ref AutoScalingGroup
    PolicyType: PredictiveScaling
    PredictiveScalingConfiguration:
      MetricSpecifications:
        - TargetValue: 50
          PredefinedMetricPairSpecification:
            PredefinedMetricType: ASGCPUUtilization
          # または詳細設定
          CustomizedCapacityMetricSpecification:
            MetricDataQueries:
              - Id: capacity
                MetricStat:
                  Metric:
                    MetricName: GroupInServiceInstances
                    Namespace: AWS/AutoScaling
                    Dimensions:
                      - Name: AutoScalingGroupName
                        Value: !Ref AutoScalingGroup
                  Stat: Average
                ReturnData: true
          CustomizedLoadMetricSpecification:
            MetricDataQueries:
              - Id: load
                MetricStat:
                  Metric:
                    MetricName: RequestCount
                    Namespace: AWS/ApplicationELB
                  Stat: Sum
                ReturnData: true
      Mode: ForecastAndScale  # または ForecastOnly
      SchedulingBufferTime: 300  # 5分前にスケール
      MaxCapacityBreachBehavior: IncreaseMaxCapacity
      MaxCapacityBuffer: 10  # 予測の10%上乗せ

ウォームプール

概要

flowchart TB
    subgraph WarmPool["ウォームプール"]
        Pool["プール内インスタンス<br/>（停止状態）"]
        InService["InService<br/>（稼働中）"]
    end

    Pool --> |"スケールアウト"| InService
    InService --> |"スケールイン"| Pool

    style WarmPool fill:#f59e0b,color:#000

設定

AutoScalingGroup:
  Type: AWS::AutoScaling::AutoScalingGroup
  Properties:
    # ... 基本設定 ...

WarmPool:
  Type: AWS::AutoScaling::WarmPool
  Properties:
    AutoScalingGroupName: !Ref AutoScalingGroup
    MinSize: 2
    MaxGroupPreparedCapacity: 5
    PoolState: Stopped  # または Running, Hibernated
    InstanceReusePolicy:
      ReuseOnScaleIn: true

# ライフサイクルフック
WarmPoolHook:
  Type: AWS::AutoScaling::LifecycleHook
  Properties:
    AutoScalingGroupName: !Ref AutoScalingGroup
    LifecycleTransition: autoscaling:EC2_INSTANCE_LAUNCHING
    DefaultResult: CONTINUE
    HeartbeatTimeout: 300
    NotificationTargetARN: !Ref HookTopic
    RoleARN: !GetAtt HookRole.Arn

起動時間の比較

方式 起動時間 コスト
通常起動 3-5分 低
Stopped 1-2分 中
Hibernated 30秒-1分 高
Running 即時 最高

インスタンスリフレッシュ

概要

flowchart TB
    subgraph Refresh["インスタンスリフレッシュ"]
        Old["旧インスタンス"]
        New["新インスタンス"]
        Rolling["ローリング更新"]
    end

    Old --> |"順次置換"| Rolling
    Rolling --> New

    style Refresh fill:#22c55e,color:#fff

設定

# インスタンスリフレッシュ開始
aws autoscaling start-instance-refresh \
    --auto-scaling-group-name my-asg \
    --strategy Rolling \
    --preferences '{
        "MinHealthyPercentage": 90,
        "InstanceWarmup": 300,
        "MaxHealthyPercentage": 110,
        "SkipMatching": true,
        "ScaleInProtectedInstances": "Refresh",
        "StandbyInstances": "Terminate"
    }' \
    --desired-configuration '{
        "LaunchTemplate": {
            "LaunchTemplateId": "lt-1234567890abcdef0",
            "Version": "$Latest"
        }
    }'

CloudFormation定義

AutoScalingGroup:
  Type: AWS::AutoScaling::AutoScalingGroup
  UpdatePolicy:
    AutoScalingRollingUpdate:
      MaxBatchSize: 2
      MinInstancesInService: 2
      MinSuccessfulInstancesPercent: 100
      PauseTime: PT10M
      WaitOnResourceSignals: true
      SuspendProcesses:
        - HealthCheck
        - ReplaceUnhealthy
        - AZRebalance
        - AlarmNotification
        - ScheduledActions

混合インスタンスポリシー

スポットインスタンス併用

AutoScalingGroup:
  Type: AWS::AutoScaling::AutoScalingGroup
  Properties:
    MixedInstancesPolicy:
      InstancesDistribution:
        OnDemandBaseCapacity: 2
        OnDemandPercentageAboveBaseCapacity: 30
        SpotAllocationStrategy: capacity-optimized
        SpotInstancePools: 0
        OnDemandAllocationStrategy: lowest-price
      LaunchTemplate:
        LaunchTemplateSpecification:
          LaunchTemplateId: !Ref LaunchTemplate
          Version: !GetAtt LaunchTemplate.LatestVersionNumber
        Overrides:
          - InstanceType: m5.large
          - InstanceType: m5.xlarge
          - InstanceType: m4.large
          - InstanceType: m4.xlarge
          - InstanceType: c5.large

スケーリングクールダウン

設定

AutoScalingGroup:
  Type: AWS::AutoScaling::AutoScalingGroup
  Properties:
    DefaultCooldown: 300
    HealthCheckGracePeriod: 300

# ポリシー別クールダウン
ScaleOutPolicy:
  Type: AWS::AutoScaling::ScalingPolicy
  Properties:
    PolicyType: SimpleScaling
    AdjustmentType: ChangeInCapacity
    ScalingAdjustment: 2
    Cooldown: 180  # スケールアウト用

ScaleInPolicy:
  Type: AWS::AutoScaling::ScalingPolicy
  Properties:
    PolicyType: SimpleScaling
    AdjustmentType: ChangeInCapacity
    ScalingAdjustment: -1
    Cooldown: 300  # スケールイン用（長め）

終了ポリシー

終了順序

AutoScalingGroup:
  Type: AWS::AutoScaling::AutoScalingGroup
  Properties:
    TerminationPolicies:
      - OldestLaunchConfiguration
      - OldestLaunchTemplate
      - ClosestToNextInstanceHour
      - OldestInstance
      - Default
ポリシー 説明
OldestInstance 最も古いインスタンス
NewestInstance 最も新しいインスタンス
OldestLaunchConfiguration 古い起動設定
ClosestToNextInstanceHour 課金時間に近い
Default AZバランス→古い起動設定→課金時間

ベストプラクティス

flowchart TB
    subgraph BestPractices["Best Practices"]
        Target["ターゲット追跡を基本に"]
        Predictive["予測スケーリング併用"]
        Warmup["適切なウォームアップ"]
        Mixed["混合インスタンス"]
    end

    style BestPractices fill:#22c55e,color:#fff
カテゴリ 項目
基本 ターゲット追跡ポリシーを使用
高度 予測スケーリングでML活用
パフォーマンス ウォームプールで起動高速化
コスト スポットインスタンス併用

まとめ

機能 用途
ターゲット追跡 自動的なメトリクスベーススケーリング
予測スケーリング パターンベースの先読みスケーリング
ウォームプール 起動時間の短縮
混合インスタンス コスト最適化

Auto Scalingの高度な機能を活用することで、効率的でコスト最適化されたスケーリングを実現できます。

参考資料

ブログに戻る