一家公司在单个 EC2 实例上运行一个 Web 应用程序，该应用程序在高峰时段会变慢，此时 CPU 利用率超过 95%。一个 user-data 脚本在实例启动时安装自定义软件包，这使得实例启动需要几分钟。该公司将使用启动模板创建一个 Auto Scaling 组，该组具有混合实例类型、不同的 CPU 容量和最大容量限制。该公司希望在扩展事件期间启动新实例时减少应用程序延迟。哪种方法可以满足此要求？

正确答案是使用动态扩展策略，为 Auto Scaling 组启用 warm pools，并使用生命周期挂钩运行 user-data 脚本。动态扩展策略可以根据 CPU 利用率等指标自动调整实例数量，解决高峰时段性能问题。Warm pools 允许预先启动和预热实例，当需要扩展时，可以直接从 warm pools 中获取实例，显著减少新实例启动和应用程序部署所需的时间，从而降低应用程序延迟。生命周期挂钩可以在实例进入或退出 Auto Scaling 组的不同阶段执行自定义操作，例如在实例启动后但在投入使用前运行 user-data 脚本，确保应用程序完全准备就绪。 其他选项不正确的原因： 预测性扩展策略适用于可预测的负载模式，而本场景描述的是高峰时段的性能问题，动态扩展更合适。 实例维护策略与 user-data 脚本的执行时机无关，user-data 脚本在实例启动时运行。 将默认实例预热时间设置为 0 秒并不能解决 user-data 脚本执行所需的时间，反而可能导致实例在未完全准备好时就开始接收流量。