一项公共广告导致在Auto Scaling组中运行的应用程序出现突然的、不可预测的流量高峰。实例启动包括一个创建机器特定缓存的漫长过程，因此启动速度很慢。Auto Scaling组必须能够处理可能需要扩展到100个实例的激增。哪种解决方案可以确保快速提供容量以应对这些激增？

配置一个warm pool（预热池）是解决此问题的最佳方案。Warm pool允许您预先启动并初始化实例，使其处于Stopped或Running状态，当流量高峰到来时，这些实例可以立即投入使用，从而显著缩短扩展时间。由于实例启动过程漫长且涉及缓存创建，预先初始化实例能有效规避启动延迟。 其他选项： 启动100个实例并停止它们，然后将数据保存到实例存储是不可行的，因为实例存储是临时的，实例停止后数据会丢失。 增加Auto Scaling扩展策略中的实例预热期并不能加快实例的启动速度，它只是告诉Auto Scaling在实例启动后等待更长时间才将其计入服务容量。 启用预测性扩展有助于应对可预测的流量模式，但对于突然的、不可预测的流量高峰效果不佳，因为它依赖历史数据进行预测。