Ein Versorgungsunternehmen erfasst alle 5 Minuten die Nutzung von Smart Metern. Die Daten kommen über Amazon API Gateway an, gehen an eine AWS Lambda-Funktion und werden in einer Amazon DynamoDB-Tabelle gespeichert. Während eines Pilotprojekts lief Lambda 3–5 Sekunden, aber mit zunehmender Anzahl von Zählern stiegen die Lambda-Laufzeiten auf 1–2 Minuten, und weitere Metriktypen erhöhten die Laufzeit zusätzlich. Es treten viele ProvisionedThroughputExceededException-Fehler bei DynamoDB PUTs und viele TooManyRequestsException-Fehler von Lambda auf. Welche Kombination von Änderungen wird die Probleme beheben? (Wählen Sie zwei)

Die Erhöhung der Write Capacity Units (WCU) in der DynamoDB-Tabelle ist notwendig, da die ProvisionedThroughputExceededException-Fehler darauf hinweisen, dass die aktuelle Schreibleistung nicht ausreicht, um die eingehenden Daten zu verarbeiten. Das Streamen der Daten von API Gateway in einen Amazon Kinesis Data Stream und die anschließende Batch-Verarbeitung der Daten ist ebenfalls entscheidend. Dies entkoppelt die Datenerfassung von der Datenverarbeitung und ermöglicht es, die Daten effizienter zu puffern und in größeren Blöcken an Lambda zu übergeben. Dies reduziert die Anzahl der Lambda-Aufrufe und die Wahrscheinlichkeit von TooManyRequestsException-Fehlern, da Lambda nicht mehr für jede einzelne Smart-Meter-Messung aufgerufen werden muss. Die Batch-Verarbeitung kann auch die Lambda-Laufzeiten optimieren, da die Initialisierungskosten über mehrere Datensätze verteilt werden.