Une application utilise une fonction AWS Lambda (invoquée via Amazon API Gateway) pour stocker des données dans une base de données Amazon Aurora PostgreSQL. Pendant la preuve de concept, l'entreprise a augmenté les quotas Lambda pour gérer des charges de données volumineuses. Un architecte de solutions doit recommander une conception qui améliore l'évolutivité et minimise l'effort de configuration. Quelle solution répond à ces exigences ?

La création de deux fonctions Lambda, l'une pour la réception et l'autre pour le chargement, découple les responsabilités et améliore l'évolutivité. L'intégration via Amazon SQS offre un tampon asynchrone, gérant les pics de charge sans surcharger la fonction de chargement ni la base de données Aurora. Cela réduit les erreurs et les délais d'attente, minimisant l'effort de configuration grâce à la gestion des files d'attente par AWS. Refactoriser vers EC2 avec Tomcat et JDBC augmente la complexité de gestion et ne résout pas le problème d'évolutivité des données, car EC2 nécessite une gestion de l'infrastructure. Changer pour DynamoDB avec DAX est une refactorisation majeure de la base de données et de l'application, ce qui est un effort de configuration important. Utiliser Amazon SNS pour intégrer les fonctions Lambda est moins adapté pour un traitement asynchrone et découplé de grandes charges de données, car SNS est principalement un service de publication/abonnement pour la diffusion de messages, et non une file d'attente pour la persistance des messages et le traitement par lots.