Uma empresa de processamento de transações executa trabalhos em lote semanais baseados em script em instâncias Amazon EC2 em um grupo do Auto Scaling. O número de transações varia, mas a utilização da CPU de linha de base durante cada execução é de pelo menos 60%. A empresa deve provisionar capacidade 30 minutos antes do início dos trabalhos. Os engenheiros atualmente modificam o grupo do Auto Scaling manualmente e a empresa não tem recursos para analisar as tendências de capacidade. Qual solução automatizará a modificação da capacidade desejada do grupo do Auto Scaling com o MENOR overhead operacional?

A política de escalonamento preditivo é a solução com menor overhead operacional porque ela usa aprendizado de máquina para prever a demanda futura e provisionar a capacidade do Auto Scaling Group proativamente, 30 minutos antes do início dos trabalhos em lote, conforme solicitado. Isso elimina a necessidade de análise manual de tendências ou de configuração de políticas de escalonamento complexas. A política de escalonamento dinâmico (opção A) reagiria à utilização da CPU em tempo real, o que não atende ao requisito de provisionar capacidade 30 minutos antes. A política de escalonamento agendado (opção B) exigiria que a empresa soubesse a capacidade exata necessária a cada semana, o que a pergunta afirma que eles não têm recursos para analisar. Usar o Amazon EventBridge com uma função Lambda (opção D) introduziria mais overhead operacional e complexidade de gerenciamento em comparação com uma política de escalonamento preditivo nativa do Auto Scaling.