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 での自動スケーリング

Liferay の自動スケーリング機能は、Liferay クラスター内のレプリカ (ノード) を自動的に作成および破棄して、パフォーマンスを最適化します。いつでも起動できるノードの最小数と最大数を選択できます。自動スケーリングを必要とするアプリケーションのリソース使用量 (CPU とメモリ) を定期的に監視します。

注

クラスタリングと自動スケーリングには、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、必要なレプリカの数を手動で設定することで構成されます。

replicaCount: 2

クラスターをスケーリングするように Helm を構成した後、必要なレプリカ数を指定して Kubernetes CLI を使用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ックを確認し、いつどのようにスケーリングするかを決定することで、静的クラスタリングを使用して Liferay を自動的にスケーリングできます。ただし、自動スケーリングに慣れているユーザーには、動的クラスタリングが推奨されます。

動的クラスタリング

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では、Kubernetes Metrics Server によって発行されたメトリック (CPU とメモリ) に基づいてクラスターをスケーリングする方法を定義できます。他のメトリックに基づいてスケーリングするには、カスタムメトリック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構成するには、次の手順に従います。

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できるように準備します。
autoscaling.enabled ポータルプロパティを trueに設定します。
次に、 .yaml ファイルで 自動スケーリング Helm プロパティを定義します。これを行うには、他のいくつかのプロパティを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方法を制限するには、 minReplicas と maxReplicas の数を選択します。
```
maxReplicas: 5
minReplicas: 1
```
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、各レプリカの CPU とメモリの使用率を 80% に維持するには、次の値を使用します。この方法では、レプリカの CPU またはメモリのいずれかが限界に近づいた場合に、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、CPU とメモリの平均使用率がこれより低い場合、クラスターはリソースを節約するためにレプリカを破棄します。
```
metrics:
- type: Resource
  resource:
    name: cpu
    target:
      averageUtilization: 80
      type: Utilization
- type: Resource
  resource:
    name: memory
    target:
      averageUtilization: 80
      type: Utilization
```

最後に、メトリックを検証する頻度、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の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、 自動スケーリング 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

カスタムメトリック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ーが必要です。これに対する推奨される解決策は KEDAです。 Kubernetes クラスターからメトリックを収集する方法も必要です。詳細については、 Kubernetes からのメトリックの表示を参照してください。

完了すると、必要なメトリックデータがシステムに保存され、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ようになります。次の 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 helm チャートをインストールします。

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

収集されるカスタムメトリックを制御する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:
    [...]

.yaml ファイルの triggers キーに対して、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 をコレクターとして使用し、ライブユーザー数がノードあたり 200 に達したときにスケーリングしたい場合:

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'