Una campaña de marketing generará más tráfico a una aplicación web que utiliza API Gateway y Lambda. La aplicación almacena datos en un clúster de Amazon Aurora MySQL con una Aurora Replica. La relación lectura/escritura es de aproximadamente 95% lecturas y 5% escrituras. ¿Cómo debe un administrador de SysOps configurar la base de datos para escalar ante la mayor carga esperada?

La opción correcta es habilitar Aurora Auto Scaling para añadir o eliminar Aurora Replicas. Dado que la carga es predominantemente de lectura (95%), escalar las réplicas de lectura distribuye la carga de lectura y mejora el rendimiento sin afectar la instancia principal de escritura. Aurora Auto Scaling gestiona automáticamente la adición o eliminación de réplicas basándose en métricas como la utilización de CPU, lo que es ideal para picos de tráfico. Las opciones incorrectas son: Cambiar la clase de instancia (escalar hacia arriba/abajo) de las Aurora Replicas no es la forma más eficiente de manejar picos de lectura; añadir réplicas es más escalable horizontalmente. Usar AWS Auto Scaling para monitorizar el clúster de Aurora y añadir o eliminar Aurora Replicas basándose en la utilización promedio de CPU de la instancia principal no es adecuado porque la instancia principal maneja escrituras y no es el cuello de botella para las lecturas. Usar AWS Auto Scaling para monitorizar el clúster de Aurora y añadir o eliminar Aurora Replicas basándose en la utilización promedio de CPU de la Aurora Replica existente es incorrecto porque Aurora Auto Scaling es la característica nativa y más eficiente para esta tarea.