Ein E-Commerce-Unternehmen betreibt seine Anwendung auf AWS. Die Anwendung verwendet einen Amazon Aurora PostgreSQL-Cluster im Multi-AZ-Modus für die Datenbank. Während einer kürzlichen Werbekampagne erfuhr die Anwendung eine hohe Lese- und Schreiblast. Benutzer erlebten Timeout-Probleme beim Zugriff auf die Anwendung. Ein Lösungsarchitekt muss die Anwendungsarchitektur mit der GERINGSTEN Ausfallzeit skalierbarer und hochverfügbarer gestalten. Welche Lösung erfüllt diese Anforderungen?

Das Hinzufügen zusätzlicher Reader-Instanzen zu einem Aurora-Cluster verbessert die Leseskalierbarkeit erheblich, da Leseanfragen auf mehrere Instanzen verteilt werden können. Dies reduziert die Last auf der primären Instanz und minimiert Timeout-Probleme bei hoher Leseaktivität. Die Erstellung einer Amazon RDS Proxy-Zielgruppe für den Aurora-Cluster verbessert die Hochverfügbarkeit und die Verbindungshandhabung. RDS Proxy verwaltet Verbindungspools und leitet Anfragen automatisch an verfügbare Datenbankinstanzen weiter, auch bei Failover, was die Ausfallzeit minimiert und die Anwendung widerstandsfähiger macht. Die anderen Optionen sind weniger geeignet: EventBridge und Lambda zur Protokollierung von Statusänderungen helfen nicht direkt bei der Skalierbarkeit oder der Reduzierung von Timeouts. Das Hinzufügen von Reader-Knoten ist zwar gut, aber die EventBridge/Lambda-Komponente ist hier nicht die primäre Lösung für das Problem. Zero-Downtime Restart (ZDR) ist für Wartungsarbeiten gedacht, nicht für die Bewältigung von hoher Last. Database Activity Streams dienen der Überwachung, nicht der Skalierung. ElastiCache for Redis ist eine gute Caching-Lösung, aber die Replikation über AWS DMS mit einem Write-Around-Ansatz ist komplex und führt eine zusätzliche Schicht ein, die nicht die primäre Lösung für die Skalierung des Aurora-Clusters selbst ist.