某个应用程序使用 AWS Lambda 函数（通过 Amazon API Gateway 调用）将数据存储在 Amazon Aurora PostgreSQL 数据库中。在概念验证阶段，公司提高了 Lambda 配额以处理大容量数据负载。解决方案架构师必须推荐一种能够提高可扩展性并最大限度地减少配置工作量的设计。哪种解决方案符合这些要求？

正确的解决方案是创建两个 Lambda 函数，并使用 Amazon SQS 队列进行集成。这种设计模式称为“解耦”，它能显著提高可扩展性并减少配置工作量。第一个 Lambda 函数负责接收请求并将数据放入 SQS 队列，响应速度快。第二个 Lambda 函数从 SQS 队列中异步读取数据并将其写入 Aurora 数据库。SQS 队列作为缓冲区，可以平滑处理突发流量，避免数据库过载，并允许独立扩展两个 Lambda 函数。当负载增加时，SQS 队列会自动扩展，并且可以增加处理队列消息的 Lambda 函数并发数，无需手动调整复杂的配置。 将 Lambda 函数重构为 EC2 上的 Tomcat 会增加运维复杂性，与最小化配置工作量的目标相悖。将数据库更改为 DynamoDB 涉及数据模型和应用程序代码的重大修改，并且 DAX 适用于读取密集型工作负载，不直接解决写入可扩展性问题。使用 Amazon SNS 集成 Lambda 函数不适合这种场景，因为 SNS 主要是发布/订阅消息系统，不提供消息持久化和可靠的按序处理，不适合作为数据库写入的缓冲层。