Ein wachsendes Essenslieferunternehmen verfügt über zwei Auto Scaling-Gruppen von Amazon EC2-Instances: Eine Gruppe sammelt Bestellungen (schnell) und eine andere erfüllt Bestellungen (längere Bearbeitung). Daten dürfen bei Skalierungsereignissen nicht verloren gehen. Die Lösung muss es beiden Prozessen ermöglichen, während der Spitzenzeiten ordnungsgemäß zu skalieren und die AWS-Ressourcennutzung zu optimieren. Welche Lösung erfüllt diese Anforderungen?

Die korrekte Lösung verwendet Amazon SQS-Warteschlangen, um die Entkopplung der Auftragserfassung und -abwicklung zu ermöglichen. Dies verhindert Datenverlust bei Skalierungsereignissen, da Nachrichten in der Warteschlange verbleiben, bis sie verarbeitet werden. Die Skalierung basierend auf einer "Backlog-pro-Instanz"-Metrik ist eine effektive Methode, um die Auto Scaling-Gruppen dynamisch an die tatsächliche Arbeitslast anzupassen. Wenn der Backlog pro Instanz steigt, werden neue Instanzen hinzugefügt, um die Verarbeitung zu beschleunigen und die Ressourcennutzung zu optimieren. Die erste Option ist falsch, da die Festlegung der Mindestkapazität auf Spitzenlastwerte zu einer Überprovisionierung und unnötigen Kosten außerhalb der Spitzenzeiten führt. Die zweite Option ist falsch, da das Erstellen neuer Auto Scaling-Gruppen über SNS nicht der Standardweg für dynamische Skalierung ist und die Komplexität unnötig erhöht. Die dritte Option ist falsch, da die Skalierung basierend auf allgemeinen Warteschlangenbenachrichtigungen möglicherweise nicht präzise genug ist, um die optimale Anzahl von Instanzen zu bestimmen und eine effiziente Ressourcennutzung zu gewährleisten; eine Backlog-pro-Instanz-Metrik bietet hier eine genauere Steuerung.