Une entreprise exécute une application de commerce électronique sur des instances Amazon EC2 qui stockent les détails des achats dans un cluster de base de données Amazon Aurora PostgreSQL. Les clients subissent des délais d'attente de l'application pendant les périodes de forte utilisation. Un architecte de solutions doit repenser l'architecture afin que l'application puisse s'adapter à la demande de pointe de la manière la plus rentable possible. Quelle combinaison d'actions l'architecte doit-il entreprendre ? (Choisissez-en deux.)

Les deux options correctes abordent l'évolutivité et la rentabilité. La première option correcte (SQS + Auto Scaling) permet de découpler la réception des requêtes d'achat du traitement, évitant ainsi les délais d'attente. SQS met en file d'attente les demandes, et un groupe Auto Scaling d'instances EC2 les traite de manière asynchrone, s'adaptant automatiquement à la charge. La deuxième option correcte (Auto Scaling + RDS Proxy) est également pertinente. Bien que le texte de l'option soit tronqué, si elle implique un groupe Auto Scaling pour le traitement et RDS Proxy, elle est efficace. RDS Proxy gère les connexions à la base de données, réduisant la surcharge de connexion et améliorant la résilience, tandis qu'Auto Scaling assure l'élasticité des ressources de calcul. Les options incorrectes : ElastiCache est utile pour la lecture, mais ne résout pas le problème de traitement des achats. Une fonction Lambda pour "relancer les achats de billets" n'est pas une solution complète pour la gestion des pics de charge d'une application de commerce électronique. API Gateway avec un plan d'utilisation est pour la gestion des API, pas directement pour la mise à l'échelle du traitement des achats.