Une entreprise exécute une application web à trois niveaux qui traite les commandes des clients. Le niveau web utilise des instances Amazon EC2 derrière un Application Load Balancer. Le niveau de traitement utilise des instances EC2. L'entreprise a découplé les niveaux web et de traitement à l'aide d'Amazon Simple Queue Service (Amazon SQS). La couche de stockage est Amazon DynamoDB. Pendant les périodes de pointe, certains utilisateurs signalent des retards dans le traitement des commandes. Pendant ces retards, les instances EC2 sont à 100 % d'utilisation du CPU et la file d'attente SQS est saturée. Les pics sont variables et imprévisibles. L'entreprise doit améliorer les performances de l'application. Quelle solution répond à ces exigences ?

La politique de suivi de cible d'Amazon EC2 Auto Scaling permet de maintenir l'utilisation des ressources à un niveau souhaité en ajustant automatiquement le nombre d'instances. L'utilisation de l'attribut ApproximateNumberOfMessages de SQS comme métrique de mise à l'échelle pour le niveau de traitement est idéale car une file d'attente SQS saturée indique un goulot d'étranglement dans le traitement. Lorsque le nombre de messages en attente augmente, Auto Scaling ajoutera des instances de traitement pour vider la file d'attente, améliorant ainsi les performances. Les autres options sont moins efficaces : La mise à l'échelle planifiée ne convient pas aux pics imprévisibles. ElastiCache devant DynamoDB n'est pas la solution principale car le problème est la saturation de SQS et l'utilisation CPU des instances de traitement, pas la latence de la base de données. CloudFront met en cache le contenu web, mais le problème se situe au niveau du traitement backend, pas du niveau web.