Uma empresa executa um aplicativo web de três camadas em uma VPC em várias Zonas de Disponibilidade. As instâncias Amazon EC2 em um grupo do Auto Scaling hospedam a camada de aplicação. A empresa precisa de um plano de escalabilidade automatizado que analise as tendências históricas diárias e semanais da carga de trabalho de cada recurso e dimensione os recursos de forma apropriada de acordo com as alterações de utilização previstas e em tempo real. Qual estratégia de escalabilidade um arquiteto de soluções deve recomendar?

A escalabilidade preditiva (Predictive Scaling) é a melhor opção porque utiliza machine learning para prever a demanda futura com base em padrões históricos diários e semanais, permitindo que o Auto Scaling Group provisione a capacidade necessária antes que a demanda ocorra. Combinada com o escalonamento dinâmico por rastreamento de destino (Target Tracking), que ajusta a capacidade em tempo real para manter uma métrica específica (como utilização da CPU) em um nível desejado, esta estratégia oferece a solução mais completa e eficiente para atender às necessidades de escalabilidade mencionadas. A escalabilidade por etapas (Step Scaling) é menos ideal para prever picos de demanda. A escalabilidade programada (Scheduled Scaling) é útil para eventos conhecidos, mas não se adapta a mudanças inesperadas ou tendências complexas. Uma política de escalabilidade simples com cooldown não oferece a inteligência necessária para prever e se adaptar a padrões de carga de trabalho variáveis.