Une application s'exécutant sur des instances EC2 dans un groupe Auto Scaling traite un volume élevé de messages provenant d'une file d'attente Amazon SQS. Le traitement d'un lot de messages a pris plusieurs heures, et l'utilisation moyenne du CPU du groupe Auto Scaling n'a pas dépassé le seuil de sa politique de mise à l'échelle de suivi de cible. Les journaux de l'application sont envoyés à Amazon CloudWatch Logs. Vous devez traiter la file d'attente plus rapidement avec le moins de frais opérationnels possible. Quelle option répond à cette exigence ?

L'option correcte est la plus efficace car elle utilise les capacités natives de CloudWatch pour la mise à l'échelle. Les politiques de mise à l'échelle de suivi de cible peuvent directement utiliser des calculs de métriques pour combiner ApproximateNumberOfMessagesVisible de SQS avec GroupInServiceInstances de l'Auto Scaling Group. Cela permet de calculer le nombre de messages par instance sans nécessiter de fonctions Lambda ni de planification EventBridge, réduisant ainsi les frais opérationnels et la complexité. Les options impliquant des fonctions Lambda introduisent des frais opérationnels supplémentaires pour le développement, le déploiement et la maintenance de la fonction, ainsi que pour la planification EventBridge ou les filtres d'abonnement CloudWatch Logs. L'objectif est de minimiser ces frais. L'utilisation d'un filtre de métriques sur les journaux n'est pas la méthode la plus directe pour obtenir le nombre de messages SQS par instance.