あるトランザクション処理会社は、毎週スクリプト化されたバッチジョブを、Auto Scaling グループ内の Amazon EC2 インスタンスで実行しています。トランザクション数は変動しますが、各実行中のベースライン CPU 使用率は少なくとも 60% です。会社は、ジョブが開始する 30 分前にキャパシティをプロビジョニングする必要があります。現在、エンジニアは Auto Scaling グループを手動で変更しており、会社にはキャパシティの傾向を分析するためのリソースがありません。運用上のオーバーヘッドを最小限に抑えながら、Auto Scaling グループの希望するキャパシティの変更を自動化するソリューションはどれですか？

正解は、予測スケーリングポリシーの作成です。予測スケーリングは、機械学習を使用して将来のトラフィックを予測し、予測に基づいてAuto Scalingグループのキャパシティを事前にプロビジョニングします。これにより、ジョブ開始の30分前にインスタンスを起動するという要件を満たし、運用上のオーバーヘッドを最小限に抑えられます。 動的スケーリングポリシーは、リアルタイムのメトリクスに基づいてスケーリングするため、ジョブ開始前の事前プロビジョニングには適していません。スケジュールされたスケーリングポリシーは、固定されたスケジュールでキャパシティを変更しますが、トランザクション数の変動に対応できません。EventBridgeとLambda関数を使用する方法は、カスタムロジックが必要となり、運用上のオーバーヘッドが増加します。