Die Art, wie ich dies erreicht habe, ist mit AWS Lambda mit Node.js. Ich habe einen CloudWatch Event-Trigger hinzugefügt, um die Lambda-Funktion jede Minute auszuführen. Dies fragt die sqs-Warteschlangen ab und erstellt dann eine benutzerdefinierte CloudWatch-Metrik, die Sie dann für die Skalierungsgruppe für die automatische Skalierung verwenden können. Dieser Code
var AWS = require('aws-sdk');
var sqs = new AWS.SQS();
var cloudWatch = new AWS.CloudWatch();
var queueUrls = ['https://sqs.REGION.amazonaws.com/ACCOUNT-NUMBER/queueUrl1','https://sqs.REGION.amazonaws.com/ACCOUNT-NUMBER/queueUrl2'];
exports.handler = (event, context, callback) => {
var fn = function (url) {
return new Promise(resolve => {
var sqsParams = {
AttributeNames: ['ApproximateNumberOfMessages'],
QueueUrl: url
};
sqs.getQueueAttributes(sqsParams, function(err,data){
if(err)
{
console.log(err,err.stack);
context.fail(err);
}
else
{
resolve({name: url.split('/').pop(), messageCount: parseInt(data.Attributes.ApproximateNumberOfMessages)});
}
});
});
};
var actions = queueUrls.map(fn);
Promise.all(actions).then(function(queues) {
var messageCount = queues.map(function(m){return m.messageCount;});
var queueNames = queues.map(function(n){return n.name;}).join();
var metricParams = {
MetricData:[{
MetricName: 'ApproximateNumberOfMessages',
Dimensions:[{
Name: 'QueueName',
Value: queueNames
}],
Unit: 'Count',
StatisticValues: {
Maximum: Math.max.apply(Math, messageCount),
Minimum: Math.min.apply(Math, messageCount),
SampleCount: queues.length,
Sum: messageCount.reduce((pv, cv) => pv+cv, 0)
}
}],
Namespace: 'AWS/SQS'
};
cloudWatch.putMetricData(metricParams, function(err, metricData){
if(err) console.log(err,err.stack);
else console.log(metricData);
});
});
};
kann natürlich optimiert werden, um mehr als zwei Warteschlangen zu handhaben und kann wahrscheinlich von Asynchron-Wasserfall profitieren.
EDIT: aktualisiert, um Versprechen zu verwenden.
EDIT2: Verketten der Warteschlangennamen für CloudWatch Metric