Une entreprise exécute des applications conteneurisées sur Amazon Elastic Kubernetes Service (Amazon EKS). La charge de travail varie tout au long de la journée. L'entreprise souhaite qu'Amazon EKS s'adapte à la hausse et à la baisse en fonction de la charge de travail. Quelle combinaison d'étapes répondra à ces exigences avec le MOINS de frais opérationnels ? (Choisissez deux.)

Pour gérer la variation de charge de travail avec le moins de frais opérationnels, il faut automatiser la mise à l'échelle des pods et des nœuds. Le Kubernetes Metrics Server collecte les métriques d'utilisation des ressources (CPU, mémoire) des pods, ce qui est essentiel pour que le Horizontal Pod Autoscaler (HPA) puisse augmenter ou diminuer le nombre de répliques de pods en fonction de la demande. Le Kubernetes Cluster Autoscaler ajuste le nombre de nœuds dans le cluster EKS en ajoutant ou en supprimant des nœuds selon les besoins de planification des pods, garantissant ainsi que le cluster dispose des ressources nécessaires sans surprovisionnement. Utiliser une fonction AWS Lambda pour redimensionner le cluster EKS nécessiterait un développement et une maintenance personnalisés, augmentant les frais opérationnels. Amazon API Gateway et AWS App Mesh ne sont pas directement impliqués dans l'autoscaling des ressources du cluster EKS.