Les clients téléchargent des fichiers vers S3 et un message SQS contenant l'ARN de l'objet est envoyé. Un travailleur basé sur EC2 interroge SQS et traite les fichiers ; le temps de traitement varie en fonction de la taille du fichier. Pour réduire les délais perçus par les clients, un administrateur crée une AMI à partir de l'instance existante et un modèle de lancement. Comment Auto Scaling doit-il être configuré pour améliorer la réactivité ?

L'option correcte est de créer une métrique personnalisée basée sur ApproximateNumberOfMessagesVisible et le nombre d'instances InService. Cette approche permet de calculer le nombre de messages par instance, offrant une mesure précise de la charge de travail par travailleur. En publiant cette métrique personnalisée sur CloudWatch, Auto Scaling peut ensuite ajuster dynamiquement le nombre d'instances EC2 pour maintenir un traitement efficace des messages, réduisant ainsi les délais perçus par les clients. Les autres options sont moins efficaces : Ajouter plusieurs tailles d'instance et baser la politique sur ApproximateNumberOfMessagesVisible ne tient pas compte de la capacité de traitement individuelle des instances et peut entraîner un sur-provisionnement ou un sous-provisionnement. Utiliser ApproximateNumberOfMessagesDelayed n'est pas idéal car cette métrique indique des messages qui ne sont pas encore disponibles pour le traitement, plutôt que la charge de travail active. Créer une métrique personnalisée basée sur ASGAverageCPUUtilization et GroupPendingInstances ne reflète pas directement la charge de travail des messages SQS et pourrait ne pas réagir suffisamment rapidement aux changements de la file d'attente.