Uma empresa de serviços públicos coleta o uso de medidores inteligentes a cada 5 minutos. Os dados chegam via Amazon API Gateway, vão para uma função AWS Lambda e são armazenados em uma tabela do Amazon DynamoDB. Durante um piloto, o Lambda rodou por 3 a 5 segundos, mas à medida que os medidores aumentaram, as durações do Lambda aumentaram para 1 a 2 minutos, e mais tipos de métricas aumentaram ainda mais a duração. Há muitos erros ProvisionedThroughputExceededException em PUTs do DynamoDB e muitos erros TooManyRequestsException do Lambda. Qual combinação de mudanças resolverá os problemas? (Escolha duas.)

Aumentar as unidades de capacidade de gravação na tabela do DynamoDB é crucial porque os erros ProvisionedThroughputExceededException indicam que a tabela não consegue lidar com o volume de gravações. Aumentar o throughput provisionado permite que o DynamoDB aceite mais gravações por segundo. Transmitir os dados para um stream de dados do Amazon Kinesis a partir do API Gateway e processar os dados em lotes é a outra solução. Isso desacopla a ingestão de dados do processamento, permitindo que o Kinesis absorva o pico de tráfego e que as funções Lambda processem os dados de forma mais eficiente em lotes, reduzindo as invocações e os erros TooManyRequestsException. Aumentar a memória do Lambda não resolveria os erros de throughput do DynamoDB ou os erros de TooManyRequestsException do Lambda. Aumentar o payload dos medidores pioraria o problema. Usar SQS FIFO para cada mensagem não resolveria o problema de throughput do DynamoDB e ainda poderia gerar muitos erros TooManyRequestsException no Lambda.