Un cluster EKS utilisant des groupes de nœuds gérés héberge des microservices. L'équipe a installé le Kubernetes Metrics Server et souhaite que les Pods s'adaptent automatiquement en fonction d'un pourcentage cible d'utilisation du CPU avec un effort opérationnel minimal. Quelle combinaison permet d'y parvenir ?

La bonne réponse est de déployer le Kubernetes Horizontal Pod Autoscaler (HPA) pour la mise à l'échelle au niveau du Pod et le Cluster Autoscaler pour le provisionnement des nœuds. Le HPA ajuste le nombre de Pods en fonction de métriques comme l'utilisation du CPU, répondant ainsi au besoin de mise à l'échelle des microservices. Le Cluster Autoscaler, quant à lui, ajuste le nombre de nœuds dans le cluster EKS en fonction des demandes de ressources des Pods en attente, assurant que le HPA dispose de ressources suffisantes pour fonctionner. La découverte automatique simplifie sa configuration. Les autres options sont incorrectes car : Modifier le groupe Auto Scaling des nœuds worker ne gère pas la mise à l'échelle au niveau des Pods et est moins dynamique pour les microservices. Installer le VPA en plus du HPA n'est pas nécessaire pour la mise à l'échelle basée sur le CPU et le VPA est plus axé sur l'optimisation des ressources des Pods existants. Exécuter un document d'automatisation SSM est une approche manuelle ou semi-automatique qui ne répond pas au besoin de mise à l'échelle automatique et avec un effort opérationnel minimal.