Une entreprise a migré son application vers un cluster Amazon EKS sur EC2 et a activé l'autoscaling basé sur l'utilisation du CPU. Sous forte charge, l'application affiche des erreurs de mémoire et ne scale pas suffisamment. L'entreprise doit collecter et analyser les métriques de mémoire au fil du temps. Quelle combinaison d'étapes permettra d'y parvenir ? (Choisissez trois.)

Pour collecter et analyser les métriques de mémoire, il faut d'abord que les instances EC2 du cluster EKS aient les permissions nécessaires pour envoyer des données à CloudWatch. Attacher la politique IAM gérée CloudWatchAgentServerPolicy au profil d'instance IAM du cluster est la bonne approche, car les instances EC2 utilisent ce profil pour s'authentifier auprès des services AWS. Déployer l'agent CloudWatch unifié sur les instances existantes et l'intégrer dans l'AMI pour les nouveaux nœuds est essentiel pour collecter les métriques de performance, y compris la mémoire, depuis les conteneurs et les nœuds. Enfin, pour analyser la mémoire au niveau de l'application (pod), il faut consulter la métrique podmemoryutilization dans l'espace de noms ContainerInsights avec la dimension Service, car cela permet de voir l'utilisation par service applicatif. Attacher la politique à un rôle de compte de service n'est pas correct car les permissions sont requises au niveau de l'instance EC2 pour l'agent CloudWatch. Le collecteur ADOT est pour les traces et métriques OpenTelemetry, pas spécifiquement pour les métriques de base de CloudWatch Agent. Analyser nodememoryutilization est utile pour les nœuds, mais podmemoryutilization est plus pertinent pour diagnostiquer les problèmes de mémoire de l'application elle-même.