Uma empresa executa aplicações de contêiner no Amazon Elastic Kubernetes Service (Amazon EKS). A carga de trabalho varia ao longo do dia. A empresa quer que o Amazon EKS escale e reduza com a carga de trabalho. Qual combinação de etapas atenderá a esses requisitos com o MENOR overhead operacional? (Escolha duas.)

Para escalar e reduzir o Amazon EKS com a carga de trabalho e o menor overhead operacional, a combinação de Kubernetes Metrics Server e Kubernetes Cluster Autoscaler é a ideal. O Kubernetes Metrics Server coleta métricas de uso de recursos (CPU e memória) dos pods e nós, que são essenciais para o escalonamento automático. O Kubernetes Horizontal Pod Autoscaler (HPA) utiliza essas métricas para automaticamente escalar ou reduzir o número de pods em um Deployment ou ReplicaSet, garantindo que a aplicação possa lidar com a demanda. O Kubernetes Cluster Autoscaler, por sua vez, monitora os pods pendentes (aqueles que não podem ser agendados devido à falta de recursos) e automaticamente adiciona ou remove nós no cluster EKS para acomodar a carga de trabalho, otimizando o uso de recursos e custos. Usar uma função AWS Lambda para redimensionar o cluster EKS introduz overhead operacional significativo, pois exigiria lógica personalizada para monitorar e escalar. Amazon API Gateway e AWS App Mesh não são ferramentas de escalonamento de cluster; o API Gateway é para gerenciar APIs e o App Mesh é uma malha de serviço para observabilidade e controle de tráfego.