Eine lokale Analyseplattform läuft auf 12 Servern in einer vollständig redundanten Konfiguration. Sie verarbeitet geplante Jobs (stündlich und täglich), die 20 Minuten bis 2 Stunden dauern und strenge SLAs haben (65 % der Last), sowie Ad-hoc-Benutzer-Jobs, die innerhalb von 5 Minuten abgeschlossen sind und keine SLA haben (35 % der Last). Bei Ausfällen müssen geplante Jobs die SLAs einhalten, während Benutzer-Jobs verzögert werden können. Sie müssen zu EC2 migrieren und verbrauchsbasierte Preise ohne langfristige Verpflichtungen nutzen, wobei Hochverfügbarkeit und SLAs für geplante Jobs bei minimalen Kosten aufrechterhalten werden müssen. Welche Option ist die kostengünstigste und erfüllt gleichzeitig die Anforderungen?

Die Anforderung besteht darin, 65 % der Last (geplante Jobs) mit SLAs und 35 % (Benutzer-Jobs) ohne SLAs zu migrieren, wobei Hochverfügbarkeit und minimale Kosten zu berücksichtigen sind. Bei 12 Instanzen entsprechen 65 % der Last etwa 8 Instanzen (12 0,65 = 7,8). Die korrekte Option verteilt die 12 Instanzen auf drei Availability Zones (AZs). In jeder AZ werden drei On-Demand Instances mit Capacity Reservations und eine Spot Instance ausgeführt. Dies bedeutet 3 3 = 9 On-Demand Instances und 3 1 = 3 Spot Instances. On-Demand Instances mit Capacity Reservations garantieren die Verfügbarkeit und erfüllen die SLAs für die geplanten Jobs, selbst bei Ausfällen in einer AZ (9 Instanzen decken die 8 benötigten Instanzen ab). Spot Instances werden für die nicht-SLA-gebundenen Benutzer-Jobs verwendet, um die Kosten zu minimieren. Bei Unterbrechungen können diese Jobs verzögert werden, was den Anforderungen entspricht. Die Verteilung auf drei AZs bietet Hochverfügbarkeit und Fehlertoleranz. Die anderen Optionen sind weniger kosteneffizient oder erfüllen die Anforderungen an die Hochverfügbarkeit und SLAs nicht optimal: Die Option mit zwei AZs bietet weniger Resilienz. Optionen mit zu vielen Spot Instances für die SLA-gebundenen Jobs oder zu wenigen On-Demand Instances in einer AZ könnten die SLAs nicht einhalten.