某公司在Application Load Balancer后面的EC2实例上运行一个内部浏览器应用程序。这些实例位于跨多个可用区的Auto Scaling组中。该组在工作时间扩展到20个实例，并在夜间缩减到2个实例。员工反映该应用程序在一天开始时非常慢，尽管到上午中段运行良好。应如何更改扩展以解决这些问题，同时保持低成本？

正确答案是实施一个在较低CPU阈值触发的目标跟踪操作，并缩短冷却时间。目标跟踪扩展策略能根据指定指标（如CPU利用率）自动调整实例数量，以维持目标值。在较低CPU阈值触发，意味着在实例负载达到高点前就能启动扩展，提前应对流量增长。缩短冷却时间则能让Auto Scaling组更快地响应需求变化，减少扩展延迟。这些措施能有效解决应用程序在一天开始时因实例不足导致的性能缓慢问题，同时通过自动缩减保持成本效益。 选项A和D（计划操作）虽然能在预定时间扩展，但无法应对突发或不可预测的流量高峰，且可能导致在非高峰期过度配置，增加成本。选项B（步进扩展）虽然也能响应CPU阈值，但目标跟踪策略通常更平滑、更易于管理，因为它直接维护一个目标值，而不是基于一系列步进调整。