Une entreprise de livraison de repas en pleine croissance dispose de deux groupes Auto Scaling d'instances Amazon EC2 : un groupe collecte les commandes (rapide) et un autre exécute les commandes (traitement plus long). Les données ne doivent pas être perdues pendant les événements de mise à l'échelle. La solution doit permettre aux deux processus de s'adapter correctement pendant les heures de pointe et d'optimiser l'utilisation des ressources AWS. Quelle solution répond à ces exigences ?

La bonne réponse est de provisionner deux files d'attente Amazon SQS et de mettre à l'échelle les groupes Auto Scaling en fonction d'une métrique de backlog par instance. Cette approche découple les processus de collecte et d'exécution des commandes, garantissant que les données ne sont pas perdues pendant les événements de mise à l'échelle, car les messages restent dans la file d'attente jusqu'à ce qu'ils soient traités. L'utilisation d'une métrique de backlog par instance permet une mise à l'échelle réactive et optimisée, car elle reflète directement la charge de travail en attente de traitement et permet aux groupes Auto Scaling de s'adapter précisément aux besoins. Les autres options sont moins efficaces : Surveiller uniquement l'UC peut ne pas refléter la charge réelle du backlog et la capacité minimale basée sur la charge de pointe peut entraîner un sur-provisionnement en dehors des heures de pointe. Créer des groupes Auto Scaling supplémentaires via SNS est une approche trop complexe et moins granulaire pour la mise à l'échelle dynamique basée sur la charge de travail. Mettre à l'échelle les groupes Auto Scaling en fonction des notifications des files d'attente est moins précis qu'une métrique de backlog par instance, car les notifications seules ne fournissent pas une indication claire de la charge de travail par instance.