在Auto Scaling组中的EC2实例上运行的应用程序处理来自Amazon SQS队列的大量消息。处理一批消息需要几个小时，并且Auto Scaling组的平均CPU利用率没有超过其目标跟踪扩展策略的阈值。应用程序日志被发送到Amazon CloudWatch Logs。您需要以最少的操作开销更快地处理队列。哪个选项满足此要求？

正确答案是使用指标数学。Amazon CloudWatch 支持指标数学功能，可以直接在控制台中组合多个指标，创建新的指标用于 Auto Scaling 策略。这允许您将 SQS 的 ApproximateNumberOfMessagesVisible 指标除以 Auto Scaling 组的 GroupInServiceInstances 指标，从而计算出每个实例的消息数。然后，您可以基于这个计算出的指标创建目标跟踪扩展策略，实现自动扩展，且无需额外的 Lambda 函数或订阅过滤器，操作开销最小。 其他选项涉及创建 Lambda 函数或订阅过滤器，这会增加额外的操作开销和复杂性。虽然这些方法也能达到目的，但不如直接使用 CloudWatch 指标数学来得高效和简洁。例如，每小时调用 Lambda 可能无法及时响应消息队列的变化，而订阅过滤器则增加了日志处理的复杂性。