Eine E-Commerce-Anwendung stellt eine API über Amazon API Gateway bereit, die AWS Lambda-Funktionen aufruft. Daten werden in einer Amazon RDS for PostgreSQL DB-Instanz gespeichert. Während eines Flash Sales stiegen die API-Aufrufe sprunghaft an und die Anwendung verlangsamte sich: CloudWatch zeigte viele Lambda-Aufrufe, eine große Anzahl von Datenbankverbindungen und eine hohe CPU-Auslastung auf der DB-Instanz. Was sollte der Lösungsarchitekt empfehlen, um die Leistung zu verbessern?

Die hohe CPU-Auslastung und die große Anzahl von Datenbankverbindungen deuten auf einen Engpass bei der Datenbank hin. Amazon RDS Proxy ist die effektivste Lösung, da er Verbindungspooling und Multiplexing für RDS-Datenbanken bietet. Dies reduziert die Anzahl der Verbindungen zur Datenbank und den Overhead beim Herstellen neuer Verbindungen, was die CPU-Auslastung der DB-Instanz senkt und die Skalierbarkeit der Lambda-Funktionen verbessert. Das Erhöhen des Lambda-Speichers würde die CPU-Auslastung der Datenbank nicht direkt adressieren. Das Schließen von Verbindungen im Lambda-Code ist eine gute Praxis, löst aber das Problem der hohen Verbindungsanzahl bei vielen gleichzeitigen Lambda-Aufrufen nicht vollständig. ElastiCache for Redis würde die Datenbanklast für Lesevorgänge reduzieren, aber die zugrunde liegende Verbindungsproblematik bei Schreibvorgängen oder Cache-Misses bliebe bestehen. Das Wiederverwenden von Verbindungen außerhalb des Handlers ist eine Verbesserung, aber RDS Proxy bietet eine robustere und skalierbarere Lösung für dieses Problem.