Uma empresa de aluguel de carros construiu uma API REST serverless usada por seu aplicativo móvel. A stack usa Amazon API Gateway com um endpoint Regional, AWS Lambda e um cluster de banco de dados Amazon Aurora MySQL Serverless. Após abrir o acesso a parceiros, o volume de requisições aumentou drasticamente e causou erros intermitentes de memória no banco de dados. Os logs mostram que muitos clientes emitem requisições HTTP GET repetidas para consultas idênticas em curtos intervalos. O tráfego é concentrado durante o horário comercial, com picos em feriados. A empresa deseja suportar o aumento da carga minimizando o crescimento de custos. Qual abordagem atende a esses requisitos?

Converter para um endpoint otimizado para borda (Edge-optimized) distribui o tráfego globalmente via Amazon CloudFront, reduzindo a latência para usuários geograficamente dispersos e aumentando a capacidade de lidar com picos de tráfego. Habilitar o cache no estágio de produção do API Gateway armazena em cache as respostas de requisições GET repetidas, diminuindo a carga no Lambda e no Aurora. Isso atende ao requisito de suportar o aumento da carga e minimizar custos, pois evita invocações desnecessárias de Lambda e acessos ao banco de dados. Implementar ElastiCache for Redis adicionaria complexidade e custo, e o cache do API Gateway já oferece uma solução mais simples para este caso de uso. Aumentar a memória do Aurora Serverless resolveria o problema de memória, mas não otimizaria o tráfego repetitivo e aumentaria os custos. Habilitar o throttling no API Gateway limitaria o tráfego, o que é o oposto do objetivo de suportar o aumento da carga.