Una empresa de servicios públicos recopila el uso de medidores inteligentes cada 5 minutos. Los datos llegan a través de Amazon API Gateway, van a una función de AWS Lambda y se almacenan en una tabla de Amazon DynamoDB. Durante un piloto, Lambda se ejecutó entre 3 y 5 segundos, pero a medida que los medidores escalan, las duraciones de Lambda aumentaron a 1-2 minutos, y más tipos de métricas aumentaron aún más la duración. Hay muchos errores de ProvisionedThroughputExceededException en las operaciones PUT de DynamoDB y muchos errores de TooManyRequestsException de Lambda. ¿Qué combinación de cambios resolverá los problemas? (Elija dos.)

La opción "Aumentar las unidades de capacidad de escritura en la tabla de DynamoDB" es correcta porque los errores ProvisionedThroughputExceededException indican que la tabla de DynamoDB no tiene suficiente capacidad de escritura para manejar el volumen de datos entrantes. Aumentar la capacidad provisionada resolverá este cuello de botella. La opción "Transmitir los datos a un stream de datos de Amazon Kinesis desde API Gateway y procesar los datos en lotes" es correcta porque Kinesis Data Streams puede manejar grandes volúmenes de datos de forma asíncrona y permite el procesamiento por lotes. Esto reduce la presión sobre Lambda y DynamoDB al suavizar los picos de tráfico y optimizar las escrituras. "Aumentar la memoria asignada a las funciones de Lambda" podría ayudar con el rendimiento de Lambda, pero no aborda la causa raíz de los errores de TooManyRequestsException (que suelen ser por concurrencia o límites de servicio) ni los errores de DynamoDB. "Aumentar el tamaño de la carga útil" empeoraría el problema al enviar más datos. "Recopilar datos en una cola FIFO de Amazon SQS" podría ayudar con la ingesta, pero SQS FIFO tiene un rendimiento limitado para casos de uso de alto rendimiento como este y no aborda directamente el procesamiento por lotes eficiente ni la capacidad de DynamoDB.