Una aplicación que se ejecuta en instancias EC2 en un grupo de Auto Scaling procesa un gran volumen de mensajes de una cola de Amazon SQS. El procesamiento de un lote de mensajes tardó varias horas y la utilización promedio de la CPU del grupo de Auto Scaling no superó el umbral de su política de escalado de seguimiento de destino. Los registros de la aplicación se envían a Amazon CloudWatch Logs. Necesita que la cola se procese más rápido con la menor sobrecarga operativa. ¿Qué opción satisface este requisito?

La opción correcta es la más eficiente operativamente. Utiliza Metric Math de CloudWatch para combinar directamente las métricas existentes de SQS (mensajes visibles) y Auto Scaling (instancias en servicio) en una sola métrica calculada de "mensajes por instancia". Esta métrica se puede usar directamente en una política de escalado de seguimiento de destino para ajustar el tamaño del grupo de Auto Scaling. Esto elimina la necesidad de funciones Lambda, reglas de EventBridge o filtros de CloudWatch Logs, reduciendo la sobrecarga operativa y los costos. Las otras opciones introducen componentes adicionales (funciones Lambda, EventBridge, filtros de logs) que aumentan la complejidad y el costo sin ofrecer una ventaja significativa en este escenario.