Bonnes pratiques pour Memorystore for Redis Cluster

Cette page fournit des conseils pour utiliser Memorystore pour Redis Cluster de manière optimale. Cette page indique également les problèmes potentiels à éviter.

Remarque : Pour afficher des exemples de configuration de client de cluster Redis, consultez Exemples de code de bibliothèque cliente.

Bonnes pratiques pour la gestion de la mémoire

Cette section décrit les stratégies de gestion de la mémoire pour les clusters afin que Memorystore pour Redis Cluster fonctionne efficacement pour vos applications clientes.

Concepts de gestion de la mémoire

• Charge d'écriture : volume et vitesse auxquels vous ajoutez ou mettez à jour des clés sur votre cluster Redis. Votre charge d'écriture peut varier de normale à très élevée en fonction de votre cas d'utilisation de Redis et des modèles d'utilisation de l'application.

• Règle d'éviction : Memorystore for Redis Cluster utilise la règle d'éviction volatile-lru. Vous pouvez utiliser des commandes telles que EXPIRE pour définir des évictions pour les clés.

Surveiller un cluster avec une charge d'écriture normale

Affichez la métrique /cluster/memory/maximum_utilization. Si /cluster/memory/maximum_utilization est inférieur ou égal à 100 %, votre cluster Redis fonctionne correctement lorsque vous utilisez une charge d'écriture normale.

Toutefois, si votre utilisation de la mémoire approche les 100% et que vous prévoyez une augmentation de l'utilisation des données, vous devez augmenter la taille de votre cluster pour faire de la place aux nouvelles données.

Surveiller un cluster avec une charge d'écriture élevée

Affichez la métrique /cluster/memory/maximum_utilization. En fonction de la gravité de votre charge d'écriture élevée, votre cluster peut rencontrer des problèmes de performances aux seuils suivants :

• Des charges d'écriture très élevées peuvent rencontrer des problèmes si /cluster/memory/maximum_utilization atteint 65% ou plus.

• Les charges d'écriture modérément élevées peuvent rencontrer des problèmes si /cluster/memory/maximum_utilization atteint 85% ou plus.

Dans ce cas, vous devez augmenter la taille de votre cluster pour améliorer les performances.

Si vous rencontrez des problèmes ou si vous craignez que votre cluster ait une charge d'écriture élevée, contactez l'assistanceGoogle Cloud .

Effectuer le scaling des segments

Lorsque vous ajustez le nombre de segments dans un cluster, vous devez le faire pendant les périodes de faible activité d'écriture. Le scaling pendant les périodes de charge d'écriture élevée peut exercer une pression sur la mémoire de votre cluster en raison de la surcharge de mémoire causée par la réplication ou la migration d'emplacements.

Si votre cas d'utilisation de Redis utilise des évictions de clés, le scaling vers une taille de cluster plus petite peut réduire votre taux d'accès au cache. Dans ce cas, vous n'avez pas à vous soucier de la perte de données, car l'éviction des clés est attendue.

Pour les cas d'utilisation de Redis où vous ne souhaitez pas perdre de clés, vous ne devez réduire la capacité que vers un cluster plus petit qui dispose encore de suffisamment d'espace pour vos données. Le nouveau nombre de segments cible doit permettre d'utiliser au moins 1,5 fois la mémoire utilisée par les données. En d'autres termes, vous devez provisionner suffisamment de segments pour 1,5 fois la quantité de données de votre cluster. Vous pouvez utiliser la métrique /cluster/memory/total_used_memory pour voir la quantité de données stockées dans votre cluster.

Bonnes pratiques concernant l'utilisation du processeur

Si une panne zonale inattendue se produit, les ressources de processeur de votre cluster sont réduites en raison de la perte de capacité des nœuds de la zone indisponible. Nous vous recommandons d'utiliser des clusters à haute disponibilité. L'utilisation de plusieurs instances répliquées par segment (par opposition à une instance répliquée par segment) fournit des ressources de processeur supplémentaires en cas de panne. Vous pouvez avoir jusqu'à cinq instances répliquées par segment.

De plus, nous vous recommandons de gérer l'utilisation du processeur des nœuds afin qu'ils disposent d'une surcharge de processeur suffisante pour gérer le trafic supplémentaire provenant de la capacité perdue en cas de panne zonale inattendue. Vous devez surveiller l'utilisation du processeur pour les instances dupliquées principales et secondaires à l'aide de la métrique Secondes de processeur du thread principal /cluster/cpu/maximum_utilization.

En fonction du nombre d'instances répliquées que vous provisionnez par nœud, nous vous recommandons les objectifs d'utilisation du processeur /cluster/cpu/maximum_utilization suivants :

• Pour les clusters avec une instance répliquée par nœud, ciblez une valeur /cluster/cpu/maximum_utilization de 0,5 seconde pour l'instance principale et de 0,5 seconde pour l'instance répliquée.
• Pour les clusters comportant au moins deux instances répliquées par nœud, ciblez une valeur /cluster/cpu/maximum_utilization de 0,9 seconde pour l'instance principale et de 0,5 seconde pour chaque instance répliquée.

Si les valeurs de la métrique dépassent ces recommandations, nous vous recommandons d'augmenter le nombre de segments dans votre cluster. Si vous avez moins de cinq instances répliquées pour votre cluster, vous pouvez également augmenter le nombre d'instances répliquées, jusqu'à un maximum de cinq.

Si votre cluster subit une utilisation élevée du processeur ou si ses ressources sont épuisées (par exemple, en raison d'un trop grand nombre de connexions), il peut se comporter de manière incorrecte et des métriques externes peuvent être manquantes.

Commandes Redis gourmandes en ressources

Nous vous recommandons vivement d'éviter d'utiliser des commandes Redis gourmandes en ressources. L'utilisation de ces commandes peut entraîner les problèmes de performances suivants :

• Latence élevée et délais avant expiration du client
• Saturation de la mémoire causée par des commandes qui augmentent l'utilisation de la mémoire
• Perte de données lors de la réplication et de la synchronisation des nœuds, car le thread principal Redis est bloqué
• Vérifications d'état, observabilité et réplication insuffisantes

Le tableau suivant liste des exemples de commandes Redis gourmandes en ressources et vous propose des alternatives plus efficaces.

Conseil : En plus d'être gourmandes en ressources, ces commandes coûtent de plus en plus cher à mesure que la taille totale de vos données augmente.

Pour identifier les commandes de longue durée que vous utilisez, exécutez SLOWLOG. Cet outil vous fournit une liste des commandes dont l'exécution prend le plus de temps. Vous connaissez ainsi les commandes qui provoquent des problèmes de latence. Pour déterminer des alternatives économes en ressources pour ces commandes, consultez le tableau suivant.

Catégorie	Commande gourmande en ressources	Alternative économe en ressources
Exécuter pour l'ensemble de l'espace de clés	KEYS	SCAN
Exécuter pour une collection de clés de longueur variable	LRANGE	Limitez la taille de la plage que vous utilisez pour une requête.
	ZRANGE	Limitez la taille de la plage que vous utilisez pour une requête.
	HGETALL	HSCAN
	SMEMBERS	SSCAN
Bloquer l'exécution d'un script	EVAL	Assurez-vous que votre script ne s'exécute pas indéfiniment.
	EVALSHA	Assurez-vous que votre script ne s'exécute pas indéfiniment.
Supprimer des fichiers et des liens	DEL	UNLINK
Publier et s'abonner	PUBLISH	SPUBLISH
	SUBSCRIBE	SSUBSCRIBE

Bonnes pratiques concernant les seuils de scaling

Les scénarios de seuil de scaling se répartissent dans les catégories suivantes :

• Scaling pour l'utilisation de la mémoire
• Scaling pour l'utilisation du processeur
• Scaling pour atténuer les hotspots

Si votre charge de travail repose sur l'éviction de clés, Google ne recommande pas de réduire l'utilisation du processeur ou de la mémoire. Dans ces charges de travail, l'utilisation de la mémoire atteint fréquemment sa capacité maximale avant que les évictions ne se produisent automatiquement. Les pics de mémoire qui en résultent bloquent les opérations de réduction d'échelle.

Les sections suivantes décrivent les scénarios courants et les seuils de métriques qui peuvent justifier un scaling.

Scaling de l'utilisation de la mémoire

Pour déterminer quand effectuer un scaling en fonction de l'utilisation de la mémoire, surveillez les métriques /cluster/memory/average_utilization et /cluster/memory/maximum_utilization. Pour en savoir plus sur ces métriques, consultez Métriques de surveillance compatibles.

Si votre cluster remplit l'une des conditions suivantes, envisagez de déclencher une opération de scaling horizontal :

• L'utilisation moyenne de la mémoire de votre cluster dépasse le seuil suggéré de 70%.
• L'utilisation maximale de la mémoire dépasse 80% et l'utilisation moyenne de la mémoire dépasse 50%.

Si votre cluster remplit l'une des conditions suivantes, envisagez de déclencher une opération de scaling à la baisse :

• L'utilisation moyenne de la mémoire de votre cluster passe en dessous du seuil suggéré de 50%.
• L'utilisation maximale de la mémoire passe en dessous de 60% et l'utilisation moyenne de la mémoire passe en dessous de 40%.

Scaling de l'utilisation du processeur

Pour déterminer quand effectuer un scaling en fonction de l'utilisation du processeur, surveillez les métriques /cluster/cpu/average_utilization et /cluster/cpu/maximum_utilization.

Si votre cluster remplit l'une des conditions suivantes, envisagez de déclencher une opération de scaling horizontal :

• L'utilisation moyenne du processeur de votre cluster dépasse le seuil suggéré de 70%.
• L'utilisation maximale du processeur dépasse 80% et l'utilisation moyenne du processeur dépasse 50%.

Si votre cluster remplit l'une des conditions suivantes, envisagez de déclencher une opération de scaling à la baisse :

• L'utilisation moyenne du processeur de votre cluster passe en dessous du seuil suggéré de 50%.
• L'utilisation maximale du processeur passe en dessous de 60% et l'utilisation moyenne du processeur passe en dessous de 40%.

Scaling pour atténuer les hotspots

Memorystore pour Redis Cluster fournit des variations moyennes et maximales de la même métrique, que vous pouvez utiliser pour identifier les hotspots de cette famille de métriques. La valeur maximale représente le nœud de cluster le plus chargé, tandis que la valeur moyenne représente la charge de l'ensemble du cluster. Si la valeur maximale est nettement supérieure à la valeur moyenne, cela indique qu'un nœud spécifique est chargé de manière disproportionnée (un point d'accès). Pour résoudre ce problème, nous vous recommandons d'effectuer un scaling horizontal de votre cluster. Pour en savoir plus, consultez Faire évoluer la capacité du cluster.

Lorsque vous observez une divergence significative entre les variations moyennes et maximales, vous pouvez exécuter les commandes INFO memory et INFO cpu sur les nœuds du cluster pour collecter des données en temps réel directement à partir du cluster. Pour en savoir plus sur l'utilisation de ces commandes, consultez INFO dans la documentation Redis.

Bonnes pratiques concernant les clients Redis

Votre application doit utiliser un client Redis compatible avec les clusters lorsqu'elle se connecte à un cluster. Pour obtenir des exemples de clients compatibles avec les clusters et des exemples de configurations, consultez Exemples de code de la bibliothèque cliente. Votre client doit conserver un mappage des emplacements de hachage vers les nœuds correspondants du cluster pour envoyer des requêtes aux nœuds appropriés et éviter la surcharge de performances causée par les redirections de cluster.

Mappage client

Les clients doivent obtenir la liste complète des emplacements et des nœuds mappés dans les situations suivantes :

• Lorsque le client est initialisé, il doit renseigner le mappage initial des emplacements vers les nœuds.

• Lorsqu'une redirection MOVED est reçue du serveur, par exemple en cas de basculement lorsque tous les emplacements diffusés par l'ancien nœud principal sont repris par l'instance répliquée, ou en cas de re-sharding lorsque les emplacements sont déplacés du nœud principal source vers le nœud principal cible.

• Lorsqu'une erreur CLUSTERDOWN est reçue du serveur ou que les connexions à un serveur particulier expirent de manière persistante.

• Lorsqu'une erreur READONLY est reçue du serveur. Cela peut se produire lorsqu'une instance principale est rétrogradée en instance répliquée.

• De plus, les clients doivent actualiser régulièrement la topologie pour rester informés des modifications et prendre connaissance de celles qui n'entraînent pas de redirections ni d'erreurs de la part du serveur, par exemple lorsque de nouveaux nœuds d'instance répliquée sont ajoutés. Notez que toutes les connexions obsolètes doivent également être fermées lors de l'actualisation de la topologie afin de réduire la nécessité de gérer les connexions ayant échoué pendant l'exécution de la commande.

Découverte des clients

La découverte des clients s'effectue généralement en envoyant une commande CLUSTER SLOT, CLUSTER NODE ou CLUSTER SHARDS au serveur Redis. Nous vous recommandons d'utiliser la commande CLUSTER SHARDS. CLUSTER SHARDS remplace la commande CLUSTER SLOTS (obsolète) en fournissant une représentation plus efficace et extensible du cluster.

La taille de la réponse pour les commandes de découverte de clients de cluster peut varier en fonction de la taille et de la topologie du cluster. Les clusters plus volumineux avec plus de nœuds produisent une réponse plus volumineuse. Par conséquent, il est important de s'assurer que le nombre de clients effectuant la découverte de la topologie du cluster n'augmente pas de manière illimitée.

Ces actualisations de topologie sont coûteuses sur le serveur Redis, mais elles sont également importantes pour la disponibilité de l'application. Il est donc important de s'assurer que chaque client n'effectue qu'une seule requête de découverte à un moment donné (et met en cache le résultat en mémoire) et que le nombre de clients effectuant les requêtes soit limité pour éviter de surcharger le serveur.

Par exemple, lorsque l'application cliente démarre ou perd la connexion au serveur et doit effectuer une découverte de cluster, une erreur courante consiste à effectuer plusieurs requêtes de reconnexion et de découverte sans ajouter de intervalle exponentiel entre les tentatives lors de la nouvelle tentative. Cela peut rendre le serveur Redis non réactif pendant une période prolongée, ce qui entraîne une utilisation très élevée du processeur.

Éviter la surcharge de découverte sur Redis

Pour limiter l'impact d'un afflux soudain de requêtes de connexion et de découverte, nous vous recommandons de procéder comme suit :

• Implémentez un pool de connexions client de taille limitée et réduite pour limiter le nombre de connexions entrantes simultanées à partir de l'application cliente.

• Lorsque le client se déconnecte du serveur en raison d'un délai avant expiration, réessayez avec un intervalle exponentiel entre les tentatives avec gigue. Cela permet d'éviter que plusieurs clients ne submergent le serveur en même temps.

• Utilisez le point de terminaison de découverte Memorystore pour Redis Cluster pour effectuer la découverte de cluster. Le point de terminaison de découverte est disponibilité élevée et l'équilibrage de charge est effectué sur tous les nœuds du cluster. De plus, le point de terminaison de découverte tente d'acheminer les requêtes de découverte de cluster vers les nœuds disposant de la vue de topologie la plus récente.

Détecter et gérer les connexions qui ne répondent pas

Nous vous recommandons vivement de configurer votre application cliente pour détecter les connexions qui ne répondent pas à Memorystore pour Redis Cluster. Lorsqu'une connexion qui ne répond pas est détectée, le client doit la réinitialiser. Pour créer une application résiliente, nous vous recommandons les configurations client suivantes :

• Configurez les paramètres TCP keep-alive : définissez les paramètres TCP keepalive time, TCP keepalive interval et TCP keepalive probes de sorte que les clients détectent et suppriment de manière proactive les connexions qui ne répondent pas, même lorsqu'elles sont inactives. Par exemple, si vous définissez le paramètre TCP keepalive time sur 30 secondes, TCP keepalive interval sur 10 secondes et TCP keepalive probes sur 3, les clients réinitialisent les connexions inactives qui ne répondent pas dans un délai d'une minute.
• Configurer les délais avant expiration TCP de l'utilisateur : définissez ce délai avant expiration dans vos clients pour réinitialiser les connexions qui ont des requêtes en attente et qui ne répondent plus. Par exemple, si vous définissez le délai avant expiration sur 15 secondes, les clients réinitialisent les connexions qui ne répondent pas et qui ont des requêtes en attente après 15 secondes.

Bonnes pratiques concernant la persistance

Cette section décrit les bonnes pratiques concernant la persistance.

Persistance RDB et ajout d'instances répliquées

Pour obtenir de meilleurs résultats lors de la sauvegarde de votre cluster avec des instantanés RDB ou de l'ajout d'instances répliquées à votre cluster, suivez les bonnes pratiques suivantes :

Gestion de la mémoire

Les instantanés RDB utilisent un fork de processus et un mécanisme de copie sur écriture pour prendre un instantané des données du nœud. Selon le modèle d'écriture sur les nœuds, la mémoire utilisée par les nœuds augmente à mesure que les pages concernées par les écritures sont copiées. L'espace mémoire utilisé peut être jusqu'à deux fois supérieur à la taille des données du nœud.

Pour vous assurer que les nœuds disposent de suffisamment de mémoire pour effectuer l'instantané, conservez ou définissez maxmemory sur 80% de la capacité du nœud, de sorte que 20% soient réservés aux frais généraux. Cette surcharge de mémoire, en plus de la surveillance des instantanés, vous aide à gérer votre charge de travail pour réussir vos instantanés. De plus, lorsque vous ajoutez des instances répliquées, réduisez autant que possible le trafic d'écriture. Pour en savoir plus, consultez Surveiller un cluster avec une charge d'écriture élevée.

Remarque : Si vous ajoutez une instance répliquée à un cluster qui utilise plus de 80% de la mémoire maximale du cluster, l'opération échoue et vous recevez un message d'erreur.

Pour résoudre ce problème, réduisez l'utilisation de la mémoire de votre cluster de l'une des manières suivantes :

• Réduisez l'espace mémoire utilisé par votre cluster à moins de 80% de la mémoire maximale autorisée du nœud.
• Mettez à l'échelle le type de nœud de votre cluster pour qu'il dispose de plus de mémoire.

Une fois que l'utilisation de la mémoire de votre cluster est inférieure au seuil de 80 %, ajoutez à nouveau l'instance répliquée.

Instantanés obsolètes

La récupération de nœuds à partir d'un instantané obsolète peut entraîner des problèmes de performances pour votre application, car elle tente de rapprocher une quantité importante de clés obsolètes ou d'autres modifications apportées à votre base de données, comme une modification de schéma. Si vous craignez de récupérer des données à partir d'un instantané obsolète, vous pouvez désactiver la fonctionnalité de persistance RDB. Une fois la persistance réactivée, un instantané est pris à l'intervalle d'instantané planifié suivant.

Impact des instantanés RDB sur les performances

Selon votre modèle de charge de travail, les instantanés RDB peuvent avoir un impact sur les performances du cluster et augmenter la latence de vos applications. Vous pouvez minimiser l'impact des instantanés RDB sur les performances en les planifiant pendant les périodes de faible trafic du cluster, si vous acceptez des instantanés moins fréquents.

Par exemple, si votre cluster enregistre un faible trafic de 1h à 4h, vous pouvez définir l'heure de début sur 3h et l'intervalle sur 24 heures.

Si votre système est soumis à une charge constante et nécessite des instantanés fréquents, vous devez évaluer soigneusement l'impact sur les performances et peser les avantages de l'utilisation d'instantanés RDB pour la charge de travail.

Ajouter une instance répliquée

L'ajout d'une instance répliquée nécessite un instantané RDB. Pour en savoir plus sur les instantanés RDB, consultez Gestion de la mémoire.

Quand utiliser un cluster à zone unique ?

Si vous configurez un cluster de sorte qu'il n'utilise pas d'instances répliquées, nous vous recommandons d'utiliser un cluster monozone. Voici pourquoi :

Coût et performances

Si vos principaux objectifs sont de réduire vos coûts et d'obtenir des performances optimales pour vos clients situés dans la même région, nous vous recommandons de choisir un cluster monozone.

Réduire l'impact des pannes

Lorsque vous choisissez un cluster à zone unique, les pannes zonales sont moins susceptibles d'avoir un impact sur votre cluster. En plaçant tous les nœuds dans une seule zone, la probabilité qu'une panne zonale affecte votre serveur passe de 100% à 33%. Il y a 33% de chances que la zone où se trouve votre cluster tombe en panne, contre 100% de chances que les nœuds situés dans la zone indisponible soient affectés.

Récupération rapide

En cas de panne zonale pour un cluster monozone, Memorystore pour Redis Cluster simplifie la récupération de vos données. Vous pouvez provisionner rapidement un nouveau cluster dans une zone fonctionnelle et rediriger votre application pour minimiser les interruptions de service.

Bonnes pratiques de planification de la capacité

Pour vous assurer que vous pouvez provisionner des ressources et créer des architectures résilientes, nous vous recommandons de suivre les bonnes pratiques de planification de la capacité suivantes :

• Déployer sur plusieurs emplacements : si vous ne pouvez pas créer de cluster dans votre zone préférée en raison de contraintes de ressources temporaires, essayez de créer le cluster dans une autre zone de la même région ou dans une autre région.
• Utiliser l'accès interrégional : configurez vos clients pour qu'ils accèdent à vos clusters situés dans différentes régions. Si vous devez provisionner un cluster situé dans une autre région en raison de contraintes de ressources locales, vos clients peuvent se connecter au cluster.
• Utiliser la réplication interrégionale : pour promouvoir un cluster secondaire d'une autre région en cluster principal avec accès en lecture ou en écriture pour la reprise après sinistre, effectuez un basculement.

Bonnes pratiques concernant Lettuce

Cette section décrit les bonnes pratiques à suivre pour utiliser Lettuce afin de se connecter à un cluster.

Mettre à jour les valeurs des paramètres

Lorsque vous utilisez Lettuce, remplacez le paramètre validateClusterNodeMembership par false. Sinon, lorsque la topologie change, vous risquez d'obtenir des erreurs unknownPartition.

Activer le protocole TLS (Transport Layer Security)

Cette section explique les avantages en termes de sécurité et les implications en termes de performances de l'utilisation du protocole TLS (Transport Layer Security), ainsi que des recommandations pour son activation.

Avantages de sécurité

L'utilisation de TLS vous offre les avantages de sécurité suivants :

• Authentification Identity and Access Management (IAM) : TLS utilise ce type d'authentification pour se protéger contre les attaques par usurpation d'identité de serveur, telles que les attaques de type "person-in-the-middle".
• Chiffrement en transit : le chiffrement intégré deGoogle Cloudprotège le trafic au sein du réseau de Google au niveau de l'infrastructure. Toutefois, cela implique de faire confiance aux piles d'hôte et à la pile réseau de Google. Bien que ce chiffrement soit transparent et activé par défaut, il n'est pas de bout en bout. En revanche, TLS utilise le chiffrement en transit au niveau de la couche d'application. Ce chiffrement de bout en bout vous offre plus de contrôle sur vos clés et processus de chiffrement.
• Protection des jetons d'authentification : si vous utilisez l'authentification IAM, l'activation de TLS réduit le risque d'exposition et de fuite de vos jetons d'authentification.

Implications en termes de performance

TLS a un impact sur les performances de différentes manières :

• Établir des connexions : un client et un serveur qui ont établi une session TLS peuvent reprendre la session sans répéter le processus d'établissement de la connexion entre le client et le serveur, qui consomme beaucoup de ressources. En activant la reprise TLS, vous réduisez la surcharge liée à l'établissement d'une connexion entre le client et le serveur.

  Si vous n'établissez pas de reprise TLS, l'établissement de connexions nécessite beaucoup de ressources. Pour les connexions nouvelles et existantes, de nombreuses connexions entre le client et le serveur peuvent entraîner des délais avant expiration de la connexion. Cela peut provoquer un effet boule de neige, car Memorystore for Redis Cluster tente de rétablir les connexions ayant expiré, ce qui augmente les ressources utilisées pour établir les connexions.

• Chiffrement et déchiffrement des données : le chiffrement et le déchiffrement des données impliquent des opérations gourmandes en ressources de processeur qui ont un impact à la fois sur le client et sur le serveur. Cela peut réduire la capacité de votre cluster et augmenter sa latence.

Recommandations

Lorsque vous envisagez d'activer TLS, nous vous recommandons d'évaluer vos règles de sécurité tout en tenant compte des avantages et des inconvénients de TLS. Si vous choisissez d'activer TLS, tenez compte des points suivants :

• L'activation de la reprise TLS réduit la surcharge liée à l'établissement des connexions. Une connexion entre le client et le serveur n'est requise que pour la connexion initiale. Toutefois, une augmentation soudaine de la taille du cluster du client peut entraîner une brève interruption causée par le handshake complet initial de chaque nouvel hôte client.
• Bien que certaines bibliothèques clientes ne proposent pas de commandes intégrées pour activer TLS, vous pouvez utiliser du code personnalisé pour intégrer cette fonctionnalité dans vos clusters.