Een applicatie gebruikt een AWS Lambda-functie (aangeroepen via Amazon API Gateway) om gegevens op te slaan in een Amazon Aurora PostgreSQL-database. Tijdens de proof-of-concept heeft het bedrijf de Lambda-quota verhoogd om grote datavolumes te kunnen verwerken. Een solutions architect moet een ontwerp aanbevelen dat de schaalbaarheid verbetert en de configuratie-inspanning minimaliseert. Welke oplossing voldoet aan deze vereisten?

De correcte oplossing verbetert de schaalbaarheid en minimaliseert configuratie-inspanning door een SQS-wachtrij te introduceren tussen twee Lambda-functies. De eerste Lambda-functie ontvangt de gegevens en plaatst deze asynchroon in de SQS-wachtrij. De tweede Lambda-functie haalt gegevens uit de wachtrij en schrijft deze naar de Aurora PostgreSQL-database. Dit ontkoppelt de ontvangst van gegevens van het schrijven naar de database, waardoor de applicatie pieken in het verkeer kan opvangen zonder dat de database direct overbelast raakt. SQS beheert de wachtrij en schaalt automatisch, wat de configuratie-inspanning minimaliseert. De optie om te refactoren naar Apache Tomcat op EC2 is complexer en vereist meer beheer. Het wijzigen van Aurora naar DynamoDB is een grote platformwijziging die aanzienlijke refactoring van de applicatie vereist en niet minimaal is qua inspanning. Het gebruik van Amazon SNS voor integratie zou minder geschikt zijn voor dit scenario, omdat SNS een publish/subscribe-model is dat niet primair bedoeld is voor het bufferen van taken die door één consument moeten worden verwerkt, zoals SQS dat wel is.