Articles by KENNETH

Amazon RDS 및 Amazon Aurora를 Graviton2 기반 인스턴스로 이전 시 고려 사항 Amazon Relational Database Service (Amazon RDS) 및 Amazon Aurora 는 필요에 따라 데이터베이스 워크로드를 확장 할 수 있도록 다양한 인스턴스 유형을 지원합니다. (Amazon RDS DB 인스턴스 클래스 및 Aurora DB 인스턴스 클래스 참조 ). 2020 년에 AWS는 AWS Graviton2 x86 대응 제품에 비해 더 나은 비용 성능 비율을 제공하는 프로세서로서 Amazon RDS용 M6g 및 R6g 인스턴스 유형을 발표했으며, 최근 Aurora 용 R6g 인스턴스 유형을 정식 발표했습니다.Graviton2 프로세서는 64 비트 Arm Neoverse 코어를 사용하여 AWS에서 맞춤형으로 구축되었으며  Graviton2 M6g 및 R6g 데이터베이스 인스턴스를 시작할 수 있습니다. Amazon RDS 콘솔 또는 AWS 명령 줄 인터페이스 (AWS CLI)을 통해 다운 타임을 최소화하면서 다중 AZ 데이터베이스를 Graviton2로 이동하여 장애 조치 기간 동안 I/O를 일시 중단 할 수 있습니다.이 글에서는 기존 Amazon RDS 및 Aurora DB 인스턴스를 Graviton2 기반 인스턴스 유형으로 이전할 때, [ more… ]

Amazon Elasticsearch Service 메모리 자동 조정(Auto-Tune) 기능 사용하기 얼마 전 Amazon Elasticsearch Service의 클러스터 리소스를 자동으로 최적화하여 성능과 가용성을 개선하기 위해 메모리 자동 조정(Auto-Tune) 기능을 출시하였습니다. Elasticsearch는 Java Virtual Machine(JVM)에서 실행되며, 많은 수집 볼륨과 검색 워크로드를 지원하는 경우 메모리 설정 조정은 필수적입니다. 자동 조정의 적응형 시스템은 수신 워크로드 성능에 영향을 미치는 리소스 병목 현상을 식별하고 필요한 확장 및 성능을 지원하기 위해 클러스터에서 적절한 수정 작업을 수행합니다. 클러스터의 기존 노드 내에서 Elasticsearch 리소스와 메모리를 다시 크기 조정하고 다시 할당하면서 최대 클러스터 성능, 효율성 및 가용성을 보장하여 이를 달성할 수 있습니다. 예를 들어, 힙 크기, 대량 대기열 크기 및 가비지 수집 설정을 조정하면 수집 처리량을 늘릴 수 있고, 캐시 크기를 변경하면 검색의 테일 지연 시간을 개선하며, 읽기 및 대량 대기열 크기를 조정하면 검색 워크로드의 가용성을 높이고 거부 수를 줄일 수 있습니다. 이 글에서는 Amazon ES의 메모리 자동 조정 기능에 대해 자세히 살펴 [ more… ]