Un'azienda di autonoleggio ha creato una REST API serverless utilizzata dalla sua app mobile. Lo stack utilizza Amazon API Gateway con un endpoint regionale, AWS Lambda e un cluster DB Amazon Aurora MySQL Serverless. Dopo aver aperto l'accesso ai partner, il volume delle richieste è aumentato notevolmente e ha causato errori intermittenti di memoria del database. I log mostrano che molti client emettono ripetute richieste HTTP GET per query identiche a brevi intervalli. Il traffico è concentrato durante l'orario lavorativo con picchi durante le festività. L'azienda vuole supportare l'aumento del carico minimizzando la crescita dei costi. Quale approccio soddisfa questi requisiti?

Convertire l'endpoint regionale di API Gateway in un endpoint ottimizzato per l'edge e abilitare la memorizzazione nella cache nello stage di produzione è la soluzione più efficace. L'endpoint ottimizzato per l'edge sfrutta Amazon CloudFront per distribuire il traffico globalmente e ridurre la latenza, mentre la cache di API Gateway memorizza le risposte alle richieste GET frequenti e identiche. Questo riduce significativamente il carico sulle funzioni Lambda e sul database Aurora, prevenendo errori di memoria e supportando l'aumento del carico con costi minimi, poiché le richieste servite dalla cache non invocano Lambda né interrogano il DB. Implementare ElastiCache for Redis richiederebbe modifiche significative al codice Lambda e comporterebbe costi aggiuntivi per la gestione della cache. Aumentare la memoria massima di Aurora Serverless risolverebbe temporaneamente il problema della memoria, ma non ottimizzerebbe il carico sulle richieste ripetute e aumenterebbe i costi. Abilitare la limitazione (throttling) su API Gateway non risolverebbe il problema del carico, ma bloccherebbe semplicemente le richieste, peggiorando l'esperienza utente.