某个应用程序接收传入消息，然后其他几十个应用程序和微服务会快速使用这些消息。消息量变化很大，每秒可能激增到 100,000 条消息。公司希望解耦组件并提高可扩展性。哪种解决方案符合这些要求？

此解决方案通过 Amazon SNS 和 SQS 组合实现了高度解耦和可扩展性。Amazon SNS 主题负责消息的扇出，将同一消息可靠地分发给多个订阅的 Amazon SQS 队列。每个 SQS 队列独立存储消息，允许不同的消费者应用程序以自己的速度异步处理，从而有效应对消息量的剧烈变化和突发高峰。这种模式天然支持数十个消费者，并能轻松扩展。 其他选项不符要求： Amazon Kinesis Data Analytics 主要用于实时分析，而非消息持久化和扇出。 基于 CPU 指标的 Auto Scaling 组虽然能提高可扩展性，但 EC2 实例作为摄取层，仍需自行管理消息队列和扇出逻辑，复杂且不直接提供解耦。 具有单个分片的 Kinesis Data Streams 限制了吞吐量，可能无法应对每秒 100,000 条消息的峰值。Lambda 预处理和 DynamoDB 存储增加了复杂性，且 DynamoDB 并非消息队列的最佳选择。