Uma empresa executa grandes trabalhos de simulação de processamento em lote em dados armazenados em um bucket S3. Os trabalhos são tolerantes a falhas (podem ser interrompidos) e as saídas são armazenadas em um bucket S3 separado. Cada trabalho processa 15–20 GB de dados de entrada. Qual arquitetura atenderá aos requisitos da forma mais econômica?

A opção correta é usar AWS Batch com EC2 Spot Instances e a estratégia SPOTCAPACITYOPTIMIZED. AWS Batch é ideal para cargas de trabalho de processamento em lote, otimizando o uso de recursos e o agendamento de jobs. Spot Instances são significativamente mais baratas que as instâncias On-Demand e são adequadas para cargas de trabalho tolerantes a falhas, como as descritas. A estratégia SPOTCAPACITYOPTIMIZED seleciona pools de Spot com a menor probabilidade de interrupção, maximizando a economia e a estabilidade. As outras opções são menos econômicas ou adequadas: AWS Step Functions e Lambda: Lambda tem limites de tempo de execução e memória que tornam inviável o processamento de 15-20 GB de dados por job, além de ser mais caro para essa escala. AWS Batch com On-Demand e Spot: Embora funcional, a inclusão de instâncias On-Demand aumenta o custo desnecessariamente, já que os jobs são tolerantes a falhas. Amazon EKS: EKS é uma solução de orquestração de containers poderosa, mas introduz complexidade operacional e custos adicionais de gerenciamento que não são estritamente necessários para jobs de processamento em lote simples e tolerantes a falhas, tornando-o menos econômico que o AWS Batch para este caso.