ご覧のページは、お客様の利便性のために一部機械翻訳されています。また、ドキュメントは頻繁に更新が加えられており、翻訳は未完成の部分が含まれることをご了承ください。最新情報は都度公開されておりますため、必ず英語版をご参照ください。翻訳に問題がある場合は、こちらまでご連絡ください。

AWSのオートスケーリング

Liferayのオートスケーリング機能は、パフォーマンスを最適化するために、Liferayクラスタ内のレプリカ（ノード）を自動的に作成および削除します。同時に稼働できるノードの最小数と最大数を指定できます。自動スケーリングを必要とするアプリケーションについては、リソース使用状況（CPUとメモリ）を定期的に監視してください。

注

クラスタリングとオートスケーリングには、有効なLiferayクラスタライセンスが必要です。

静的クラスタリング

静的クラスタリングは、 replicaCount プロパティを使用して、必要なレプリカ数を手動で設定することによって構成されます。

replicaCount: 2

Helmを設定してクラスターをスケーリングした後、Kubernetes CLIを使用して、目的のレプリカ数を指定して次のコマンドを実行します。

kubectl scale statefulset/liferay --replicas=2

注

外部エージェントを使用してメトリクスを監視し、スケーリングのタイミングと方法を決定することで、静的クラスタリングによるLiferayの自動スケーリングが可能になります。ただし、自動スケーリングの経験が豊富なユーザーには、動的クラスタリングをお勧めします。

動的クラスタリングを使用したデフォルトの自動スケーリングを使用すると、Kubernetes Metrics Server から出力されるメトリック (CPU とメモリ) に基づいてクラスタのスケーリング方法を定義できます。他のメトリクスに基づいてスケーリングするには、カスタムメトリクスを使用した高度な自動スケーリングを参照してください。動的クラスタリングを設定するには、以下の手順に従ってください。

コンテナリソースを構成して、クラスターを自動スケーリング用に準備します。
autoscaling.enabled ポータルプロパティを true に設定します。
次に、 オートスケーリング Helmプロパティを .yaml ファイルで定義します。そのためには、いくつかの他のプロパティをその値として渡す必要があります。
enabled プロパティを true に設定します。
```
enabled: true
```
Kubernetes がクラスターをスケーリングできる範囲を制限するには、 minReplicas と maxReplicas を選択してください。
```
maxReplicas: 5
minReplicas: 1
```
スケーリングの基準となる指標を選択してください。例えば、各レプリカのCPUとメモリの使用率を80%に維持するには、以下の値を使用します。このようにすることで、CPUまたはメモリのいずれかがレプリカの限界に近づいた場合、負荷を軽減するために新しいレプリカが作成されます。さらに、平均CPU使用率とメモリ使用率がこれよりも低い場合、クラスターはリソースを節約するためにレプリカを削除します。
```
metrics:
- type: Resource
  resource:
    name: cpu
    target:
      averageUtilization: 80
      type: Utilization
- type: Resource
  resource:
    name: memory
    target:
      averageUtilization: 80
      type: Utilization
```

最後に、メトリクスの検証頻度、スケーリング前のタイムアウト、リソース使用量の許容範囲など、追加の動作を定義できます。

behavior:
  scaleDown:
    policies:
    - periodSeconds: 60
      type: Percent
      value: 10
      type: Pods
      value: 1
    stabilizationWindowSeconds: 60
  scaleUp:
    stabilizationWindowSeconds: 300

最終的に、 オートスケーリング プロパティは次のようになります。

autoscaling:
  behavior:
    scaleDown:
      policies:
      - periodSeconds: 60
        type: Percent
        value: 10
        type: Pods
        value: 1
      stabilizationWindowSeconds: 60
    scaleUp:
      stabilizationWindowSeconds: 300
  enabled: true
  maxReplicas: 5
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        averageUtilization: 80
        type: Utilization
  - type: Resource
    resource:
      name: memory
      target:
        averageUtilization: 80
        type: Utilization
  minReplicas: 1

カスタムメトリクスを使用した高度な自動スケーリング

カスタムメトリクスを使用した自動スケーリングには、 custom.metrics.k8s.io または external.metrics.k8s.io API を実装する外部アダプタが必要です。これに対する推奨ソリューションは KEDA です。 Kubernetesクラスターからメトリクスを収集する方法も必要です。詳細については、 Kubernetes からのメトリクスの表示を参照してください。

完了後、必要なメトリックデータは、KEDAスケーラーがデータソースとして使用するように構成できるシステムに保存されます。以下のHelmコマンドを使用してKEDAをインストールします。

liferay-aws-terraform/cloud に移動します。これは、以前にLiferayをインストールしたディレクトリです。

KEDAヘルムチャートをインストールしてください。

helm repo add kedacore https://kedacore.github.io/charts
helm repo update
helm upgrade -i keda kedacore/keda \
    --create-namespace \
    --namespace keda-system

収集するカスタムメトリクスを制御するためのリソースを定義します。

apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
  annotations:
    scaledobject.keda.sh/transfer-hpa-ownership: "true"
  name: liferay-scaledobject
  namespace: liferay-system
spec:
  advanced:
    horizontalPodAutoscalerConfig:
      name: liferay-default
    restoreToOriginalReplicaCount: true
  cooldownPeriod: 300
  maxReplicaCount: 5
  minReplicaCount: 1
  pollingInterval: 30
  scaleTargetRef:
    apiVersion: apps/v1
    kind: StatefulSet
    name: liferay-default
  triggers:
    [...]

トリガー キーについては、 .yaml ファイル内で、自動スケーリングの基準となるメトリックを選択します。たとえば、Prometheus をコレクタとして使用していて、ライブユーザ数がノードあたり 200 に達したときにスケーリングしたいとします：

triggers:
- type: prometheus
  metadata:
    serverAddress: http://prometheus-server.prometheus-system:9090
    query: abs(server_live_users{instance="liferay-default-0", job="liferay-system/liferay-default"}) / on(job) group_left() count by (job) (server_live_users{job="liferay-system/liferay-default"})
    threshold: '200'