一家公司对存储在 S3 存储桶中的数据运行大型批处理模拟作业。这些作业具有容错能力（可以中断），并且输出存储在单独的 S3 存储桶中。每个作业处理 15-20 GB 的输入数据。哪种架构能以最具成本效益的方式满足这些要求？

正确答案是创建一个使用 EC2 Spot Instances 的 AWS Batch 计算环境，并指定 SPOTCAPACITYOPTIMIZED 分配策略。这是最具成本效益的解决方案，因为批处理作业具有容错能力（可以中断），并且 Spot 实例能大幅降低计算成本。SPOTCAPACITYOPTIMIZED 策略会根据可用容量选择 Spot 实例池，进一步提高作业完成率。 其他选项的成本效益较低： 使用 AWS Step Functions 和 Lambda 函数虽然是无服务器的，但处理 15-20 GB 的数据可能导致 Lambda 函数的运行时间或内存限制成为瓶颈，且成本可能高于 Spot 实例。 混合使用 EC2 On-Demand Instances 和 Spot Instances 会增加成本，因为按需实例的价格高于 Spot 实例，而此场景下纯 Spot 实例已足够。 使用 Amazon EKS 运行处理作业会引入额外的管理复杂性和成本，而 AWS Batch 更适合管理批处理工作负载。