Une entreprise traite des messages avec une application de travailleur (worker) exécutée sur trois instances EC2 dans un groupe Auto Scaling qui utilise une politique de mise à l'échelle simple. Les travailleurs interrogent les messages d'une file d'attente Amazon SQS. Des pics sporadiques de messages dégradent les performances de traitement, et l'administrateur SysOps doit mettre à l'échelle le groupe Auto Scaling pour gérer un volume de file d'attente plus élevé. Quelle approche répond le mieux à cette exigence ?

La bonne approche consiste à utiliser les mathématiques métriques CloudWatch pour calculer le nombre approximatif de messages visibles par instance et à créer une politique de mise à l'échelle de suivi de cible. En divisant le nombre total de messages visibles dans la file d'attente SQS par le nombre d'instances dans le groupe Auto Scaling, on obtient une métrique de charge par instance. Une politique de suivi de cible peut alors maintenir cette métrique à un niveau optimal, ajoutant des instances lorsque la charge par instance augmente et en supprimant lorsqu'elle diminue, assurant ainsi que chaque instance traite une quantité gérable de messages. L'estimation de l'âge du message le plus ancien n'est pas une métrique directe de la charge de travail par instance et pourrait ne pas réagir suffisamment rapidement aux pics. L'utilisation d'un Application Load Balancer (ALB) n'est pas pertinente ici car les workers interrogent directement SQS, et non via un ALB. Une politique de mise à l'échelle planifiée ne répondrait pas aux pics sporadiques et imprévisibles.