Ein Autovermietungsunternehmen hat eine serverlose REST-API entwickelt, die von seiner mobilen App genutzt wird. Der Stack verwendet Amazon API Gateway mit einem regionalen Endpunkt, AWS Lambda und einen Amazon Aurora MySQL Serverless DB-Cluster. Nach der Öffnung des Zugangs für Partner stieg das Anfragevolumen stark an und verursachte zeitweilige Datenbank-Speicherfehler. Die Protokolle zeigen, dass viele Clients wiederholte HTTP GET-Anfragen für identische Abfragen in kurzen Intervallen senden. Der Traffic konzentriert sich auf die Geschäftszeiten mit Spitzen an Feiertagen. Das Unternehmen möchte die erhöhte Last unterstützen und gleichzeitig das Kostenwachstum minimieren. Welcher Ansatz erfüllt diese Anforderungen?

Die Konvertierung des API Gateway Regional-Endpunkts in einen Edge-optimierten Endpunkt und die Aktivierung des Caching in der Produktionsphase ist die beste Lösung. Edge-optimierte Endpunkte nutzen Amazon CloudFront, um Anfragen näher an den Benutzern zu cachen und zu routen, was die Latenz reduziert und die API-Leistung verbessert. Das Caching im API Gateway reduziert die Anzahl der Anfragen, die die Lambda-Funktionen und die Aurora-Datenbank erreichen, besonders bei wiederholten GET-Anfragen für identische Abfragen. Dies entlastet die Datenbank, verhindert Speicherfehler und minimiert zusätzliche Kosten, da weniger Lambda-Aufrufe und Datenbankressourcen benötigt werden. Die Implementierung von ElastiCache wäre eine effektive Caching-Lösung, erfordert aber Änderungen an den Lambda-Funktionen und verursacht zusätzliche Kosten für den ElastiCache-Cluster. Das Erhöhen des maximalen Speichers des Aurora Serverless DB-Clusters würde die Kosten erhöhen und die Ursache der wiederholten Anfragen nicht beheben. Die Aktivierung der Drosselung im API Gateway würde zwar die Last begrenzen, aber auch legitime Anfragen blockieren und die Benutzererfahrung verschlechtern, anstatt die Kapazität zu erhöhen.