Uma empresa opera um aplicativo web em uma única instância EC2 que fica lento nos horários de pico, quando a utilização da CPU excede 95%. Um script user-data instala pacotes personalizados na instância no momento do lançamento, o que faz com que a inicialização da instância leve vários minutos. A empresa criará um Auto Scaling group usando um launch template, com tipos de instância mistos, capacidades de CPU variadas e um limite máximo de capacidade. A empresa deseja reduzir a latência do aplicativo quando novas instâncias são lançadas durante eventos de escalonamento. Qual abordagem satisfaz esse requisito?

A opção correta é usar uma política de escalonamento dinâmico, habilitar warm pools e usar lifecycle hooks para executar o script user-data. As warm pools pré-inicializam instâncias com o script user-data já executado, reduzindo a latência de inicialização durante eventos de escalonamento. Os lifecycle hooks garantem que o script user-data seja executado antes que a instância seja colocada em serviço. O escalonamento dinâmico reage a métricas em tempo real, como a utilização da CPU, para ajustar a capacidade. As outras opções estão incorretas porque: Escalonamento preditivo é para prever picos de tráfego, não para reduzir a latência de inicialização. Uma política de manutenção de instância não é o mecanismo correto para executar scripts user-data de forma controlada durante o ciclo de vida do Auto Scaling. Definir o tempo de aquecimento como 0 segundos não resolve o problema do tempo de execução do script user-data; as instâncias ainda levariam tempo para inicializar e executar o script.