Une entreprise d'événements en direct gère une application de billetterie sur des instances EC2 dans un groupe Auto Scaling et utilise PostgreSQL pour la base de données. Les événements de vente produisent des pics de demande ponctuels et planifiés. L'entreprise a besoin d'une approche de mise à l'échelle qui maximise la disponibilité pendant ces événements de vente planifiés. Quelle solution répond à ces besoins ?

La mise à l'échelle planifiée pour les instances EC2 est idéale pour les pics de demande connus et prévisibles, comme les ventes d'événements. Amazon Aurora PostgreSQL Multi-AZ offre une haute disponibilité et des performances évolutives, ce qui est crucial pour une application de billetterie. L'utilisation d'EventBridge et de Lambda pour provisionner un réplica Aurora plus grand avant une vente, basculer vers celui-ci, puis le réduire après la vente, permet une adaptation dynamique et rentable aux charges de travail intenses. Les autres options sont moins optimales : La mise à l'échelle prédictive est plus complexe et peut être moins précise pour des événements ponctuels très spécifiques. Aurora Serverless v2 est une bonne option, mais la pré-chauffe de la base de données via Step Functions et Lambda n'est généralement pas nécessaire avec Aurora Serverless v2 car il gère l'auto-scaling. L'utilisation de RDS for PostgreSQL avec des réplicas en lecture à mise à l'échelle automatique est moins performante qu'Aurora pour les charges de travail intenses. De plus, la création d'un réplica plus grand, le basculement manuel et la réduction de taille via Lambda sont des opérations plus complexes et potentiellement plus risquées qu'avec Aurora, qui gère mieux l'élasticité.