Um aplicativo é executado em um grupo do Auto Scaling de instâncias EC2 sob demanda (On-Demand) atrás de um ALB. A carga de trabalho contém análises críticas que não podem tolerar interrupções e devem escalar rapidamente, e análises não críticas que podem tolerar interrupções e são intensivas em memória. Você deve reduzir a latência de scale-out para a carga de trabalho crítica enquanto também processa a carga de trabalho não crítica. Qual combinação de etapas atende a esses requisitos? (Escolha duas.)

A opção correta para a carga de trabalho crítica é usar um warm pool com instâncias On-Demand. Um warm pool reduz a latência de scale-out porque as instâncias já estão inicializadas e prontas para receber tráfego, atendendo ao requisito de escalabilidade rápida. Instâncias On-Demand são ideais para cargas de trabalho críticas que não podem tolerar interrupções. A opção de usar instâncias Spot para a carga de trabalho crítica está incorreta porque instâncias Spot podem ser interrompidas, o que não é aceitável para análises críticas. Para a carga de trabalho não crítica, a criação de um segundo grupo do Auto Scaling com instâncias Spot é a solução ideal. Instâncias Spot são econômicas e adequadas para cargas de trabalho que toleram interrupções. A instalação do agente unificado do CloudWatch para métricas de utilização de memória personalizadas permite um escalonamento baseado nas necessidades reais da aplicação, enquanto a separação em dois grupos de destino no ALB permite rotear o tráfego de forma independente para as cargas de trabalho crítica e não crítica. A opção de usar métricas de utilização de memória predefinidas está incorreta, pois o Auto Scaling não oferece métricas de memória predefinidas para instâncias EC2, exigindo métricas personalizadas via agente CloudWatch.