一个DevOps团队负责支持一个应用程序，该应用程序运行在通过CloudFormation部署的Auto Scaling组中的许多EC2实例上。最近，一个实例在处理大量请求时返回了错误，但对EC2和ELB的健康检查仍然显示为健康。应用程序日志使用嵌入式指标格式收集在CloudWatch中。如果任何单个EC2实例的错误数量超过总错误数量的一半，团队需要一个警报，并且操作开销最小。以下哪组步骤可以实现此目标？（选择两项。）

选项1和4是正确答案，因为它们共同提供了一个高效且操作开销最小的解决方案。选项1创建了一个CloudWatch Contributor Insights规则，该规则可以自动分析日志数据，按实例ID和错误数量进行分组，从而识别出贡献度最高的实例。这比手动创建指标过滤器或Lambda函数更具成本效益和管理便利性。选项4则利用了CloudWatch警报的INSIGHTRULEMETRIC函数，可以直接监控Contributor Insights规则的输出，检测是否有单个实例的错误数量超过总错误数量的一半，并发送通知。 选项2不正确，因为CloudWatch Application Insights主要用于监控整个应用程序的性能和健康状况，而不是针对特定实例的错误贡献度进行细粒度分析。选项3不正确，因为它只统计了总错误数，无法识别是哪个实例贡献了大部分错误，并且METRICCOUNT函数无法实现“一半以上”的逻辑。选项5不正确，因为它引入了一个Lambda函数，增加了额外的管理开销和成本，并且需要编写和维护代码来处理逻辑。