Ein Live-Event-Unternehmen betreibt eine Ticketing-Anwendung auf EC2-Instances in einer Auto Scaling-Gruppe und verwendet PostgreSQL für die Datenbank. Verkaufsereignisse verursachen einmalige, geplante Spitzen in der Nachfrage. Das Unternehmen benötigt einen Skalierungsansatz, der die Verfügbarkeit während dieser geplanten Verkaufsereignisse maximiert. Welche Lösung erfüllt diese Anforderungen?

Die korrekte Lösung verwendet geplantes Skalieren für EC2-Instances, da die Nachfragespitzen bekannt und planbar sind. Amazon Aurora PostgreSQL Multi-AZ bietet hohe Verfügbarkeit und Skalierbarkeit für die Datenbank. Das Erstellen einer größeren Aurora Replica vor dem Ereignis und das Umschalten auf diese Replica über eine Lambda-Funktion, die durch EventBridge ausgelöst wird, ermöglicht es, die Datenbankkapazität proaktiv an die erwartete Last anzupassen. Nach dem Ereignis kann die Replica wieder herunterskaliert werden, um Kosten zu optimieren. Die anderen Optionen sind weniger geeignet: Prädiktives Skalieren ist für unvorhersehbare Lastspitzen gedacht, nicht für geplante Ereignisse. Aurora Serverless v2 ist zwar skalierbar, aber das Vorwärmen der Datenbank über Lambda-Funktionen ist bei Aurora Serverless v2 nicht der primäre Skalierungsmechanismus und unnötig komplex. RDS for PostgreSQL bietet nicht die gleiche Skalierbarkeit und Leistung wie Aurora PostgreSQL, insbesondere bei Read Replicas.