Ein Unternehmen, das saisonale Jobbörsen betreibt, verzeichnet einen erhöhten Traffic. Das Backend besteht aus zwei Amazon EC2-Instanzen hinter einem Application Load Balancer, und Amazon DynamoDB wird als Datenspeicher verwendet. Während der Hochsaison verschlechtert sich die Lese- und Schreibleistung der Anwendung. Welche Option führt zu einer skalierbaren Architektur, die Spitzenlasten mit dem GERINGSTEN Entwicklungsaufwand bewältigen kann?

Die Verwendung von Auto Scaling Groups für die EC2-Instanzen stellt sicher, dass die Backend-Dienste bei steigendem Traffic automatisch skaliert werden, um die Last zu bewältigen. DynamoDB Auto Scaling passt die Lese- und Schreibkapazität von DynamoDB dynamisch an die tatsächliche Auslastung an, wodurch Leistungsengpässe während Spitzenzeiten vermieden werden. Diese Kombination erfordert den geringsten Entwicklungsaufwand, da sie auf vorhandenen Diensten aufbaut und deren Skalierungsfunktionen nutzt. Die Migration zu AWS Lambda (Optionen 1 und 2) wäre ein erheblicher Entwicklungsaufwand. Globale Tabellen (Option 2) lösen das Leistungsproblem nicht direkt, sondern bieten Multi-Region-Replikation. SQS und Lambda zum Schreiben in DynamoDB (Option 4) würden die Schreiblast zwar asynchron verarbeiten, aber die Leseprobleme nicht lösen und erfordern ebenfalls zusätzlichen Entwicklungsaufwand.