Una empresa de eventos en vivo ejecuta una aplicación de venta de entradas en instancias EC2 en un grupo de Auto Scaling y utiliza PostgreSQL para la base de datos. Los eventos de venta producen picos de demanda programados y únicos. La empresa necesita un enfoque de escalado que maximice la disponibilidad durante estos eventos de venta programados. ¿Qué solución satisface estas necesidades?

La opción correcta utiliza el escalado programado para las instancias EC2, lo cual es ideal para picos de demanda conocidos y programados, como los eventos de venta de entradas. Amazon Aurora PostgreSQL Multi-AZ proporciona alta disponibilidad y escalabilidad. La creación de una réplica de Aurora más grande antes del evento y la conmutación por error a ella, orquestada por EventBridge y Lambda, asegura que la base de datos pueda manejar la carga máxima durante la venta, y luego se reduce la escala para optimizar costos. Las opciones incorrectas sugieren el escalado predictivo para EC2, que es más adecuado para patrones de tráfico predecibles pero no necesariamente para picos únicos y programados con antelación. Además, algunas opciones proponen Aurora Serverless v2 o RDS for PostgreSQL con réplicas de lectura de escalado automático, que si bien son escalables, no ofrecen el control granular de precalentamiento y conmutación por error a una réplica más grande específicamente preparada para un evento de alta demanda como lo hace Aurora con réplicas dedicadas. El precalentamiento de la base de datos con Step Functions y Lambda es una buena práctica, pero la solución de Aurora con réplicas dedicadas es más robusta para este escenario de picos extremos.