Eine Anwendung verwendet eine AWS Lambda-Funktion (aufgerufen über Amazon API Gateway), um Daten in einer Amazon Aurora PostgreSQL-Datenbank zu speichern. Während des Proof-of-Concept hat das Unternehmen die Lambda-Kontingente erhöht, um große Datenmengen zu verarbeiten. Ein Solutions Architect muss ein Design empfehlen, das die Skalierbarkeit verbessert und den Konfigurationsaufwand minimiert. Welche Lösung erfüllt diese Anforderungen?

Die Aufteilung der Lambda-Funktionalität in zwei separate Funktionen – eine für den Empfang und eine für das Laden in die Datenbank – in Kombination mit einer Amazon SQS-Warteschlange verbessert die Skalierbarkeit erheblich und minimiert den Konfigurationsaufwand. Die erste Lambda-Funktion kann schnell auf API Gateway-Anfragen reagieren und die Daten in die SQS-Warteschlange legen. Die zweite Lambda-Funktion kann asynchron Daten aus der Warteschlange verarbeiten und in die Datenbank schreiben. SQS puffert die Anfragen, gleicht Lastspitzen aus und entkoppelt die Komponenten, wodurch die Datenbank vor Überlastung geschützt und die Fehlertoleranz erhöht wird. Die Umstellung auf EC2 mit Tomcat erhöht den Betriebsaufwand. DynamoDB wäre eine drastische Änderung der Datenbanktechnologie und erfordert eine Neuentwicklung. Amazon SNS ist ein Publish/Subscribe-Dienst und für die Entkopplung von asynchronen Aufgaben weniger geeignet als SQS, da es keine Warteschlangenfunktionalität bietet, die für eine zuverlässige, asynchrone Verarbeitung erforderlich ist.