亚马逊最近推出了针对EC2 Auto Scaling的目标跟踪策略 。
在我的生产服务中，我使用两个独立的自动缩放组来支持混合自动缩放和Spot和On-Demand实例的混合。 我想要的是我的CPU使用率不应该超过70％，它应该尽可能使用竞价型实例，但如果有必要，则会回退到按需实例。
首先，我将两个Auto-Scaling组（Spot和On-Demand）设置为使用70％的CPU负载的目标跟踪，并将两个组的最小大小设置为1。 我的服务的stream量是相当可预测的（没有突然提升，白天stream量更多，夜间stream量也很less）。
有一次，有两个点播和两个竞价实例在运行。 系统刚刚缩小，因为五台服务器的CPU负载变得非常低（约35％）。 在四台服务器上，CPU负载上升，几分钟之后短暂地超过了70％的标准（也许当时的stream量增长很小）。
系统保守地决定再次放大，但是由于两个自动扩展组同时独立做出决定，因此启动了两个实例（一个点和一个按需实例）。 在这一点上，现在有六台服务器在运行。 一段时间后，它再次缩小，最终达到了运行四个实例的设置。
为了避免这种影响，我现在改变了设置如下：
我的假设是，它应该有助于防止我描述的情况。 我预计按需组会比Spot组更早地缩小（无论如何，因为它们的成本更高）。 我期望Spot实例可以更快地扩展，这样可以防止On-Demand组的不必要的扩大。
这是我的期望，但是我没有在文档中find很多细节来确认它。 有人可以详细了解新的目标跟踪缩放如何工作，以及如何将其应用于与Spot和按需实例的混合设置？
问题：