Una campagna di marketing aumenterà il traffico verso un'applicazione web che utilizza API Gateway e Lambda. L'applicazione memorizza i dati in un cluster Amazon Aurora MySQL con una replica Aurora. Il rapporto letture/scritture è di circa il 95% di letture e il 5% di scritture. Come dovrebbe un amministratore SysOps configurare il database per scalare in base al carico più elevato previsto?

L'opzione corretta è abilitare Aurora Auto Scaling per aggiungere o rimuovere repliche Aurora in base all'utilizzo medio della CPU. Dato che il carico di lavoro è prevalentemente in lettura (95%), l'aggiunta di repliche di lettura Aurora è il metodo più efficace per scalare il database e gestire l'aumento del traffico senza influire sulle prestazioni di scrittura dell'istanza primaria. Aurora Auto Scaling è progettato specificamente per questo scopo, monitorando metriche come la CPU e aggiungendo o rimuovendo repliche automaticamente. L'opzione di modificare la classe di istanza (scalare su/giù) non è l'approccio più efficiente per un carico di lavoro prevalentemente in lettura, poiché aumenterebbe i costi e potrebbe non risolvere il collo di bottiglia delle letture distribuite. Le opzioni che suggeriscono l'uso di AWS Auto Scaling generico non sono ideali perché Aurora Auto Scaling è la soluzione nativa e ottimizzata per i cluster Aurora, offrendo un controllo più granulare e una migliore integrazione. Inoltre, basare lo scaling sull'utilizzo della CPU dell'istanza primaria non è corretto per scalare le letture, poiché l'istanza primaria gestisce principalmente le scritture.