Eine Anwendung läuft auf einer Auto Scaling-Gruppe von On-Demand EC2-Instances hinter einem ALB. Die Arbeitslast umfasst kritische Analysen, die keine Unterbrechungen tolerieren und schnell skaliert werden müssen, sowie unkritische Analysen, die Unterbrechungen tolerieren können und speicherintensiv sind. Sie müssen die Scale-out-Latenz für die kritische Arbeitslast reduzieren und gleichzeitig die unkritische Arbeitslast verarbeiten. Welche Kombination von Schritten erfüllt diese Anforderungen? (Wählen Sie zwei.)

Die erste korrekte Option reduziert die Scale-out-Latenz für die kritische Arbeitslast, indem sie einen Warm Pool mit gestoppten On-Demand-Instances nutzt. Gestoppte Instances starten schneller als neue. On-Demand-Instances sind für kritische, unterbrechungsfreie Arbeitslasten geeignet. Detailliertes Monitoring ist eine Best Practice. Die Verwendung von Spot Instances wäre hier ungeeignet, da sie Unterbrechungen tolerieren müssen. Die zweite korrekte Option adressiert die unkritische, speicherintensive und unterbrechungstolerante Arbeitslast. Eine separate Auto Scaling-Gruppe mit Spot Instances ist kostengünstig und toleriert Unterbrechungen. Der vereinheitlichte CloudWatch-Agent ist notwendig, um benutzerdefinierte Metriken wie die Speicherauslastung zu sammeln, da diese nicht standardmäßig verfügbar ist. Die Anwendung muss angepasst werden, um den Traffic auf die entsprechenden Zielgruppen zu leiten. Die Option, die eine vordefinierte Metrik für die Speicherauslastung vorschlägt, ist falsch, da diese Metrik nicht vordefiniert ist.