Een bedrijf dat transacties verwerkt, draait wekelijks gescripte batchtaken op Amazon EC2-instances in een Auto Scaling-groep. Het aantal transacties varieert, maar de basislijn voor CPU-gebruik tijdens elke run is minimaal 60%. Het bedrijf moet 30 minuten voordat de taken beginnen capaciteit provisioneren. Engineers passen de Auto Scaling-groep momenteel handmatig aan en het bedrijf heeft geen middelen om capaciteitstrends te analyseren. Welke oplossing automatiseert het aanpassen van de gewenste capaciteit van de Auto Scaling-groep met de MINSTE operationele overhead?

De juiste oplossing is het maken van een voorspellend schaalbeleid. Dit beleid anticipeert op toekomstige vraag op basis van historische gegevens en schaalt proactief de capaciteit op, 30 minuten voordat de batchtaken beginnen, zoals vereist. Dit vermindert operationele overhead omdat het handmatige aanpassingen elimineert en geen analyse van capaciteitstrends vereist. Een dynamisch schaalbeleid reageert reactief op metrische drempels en schaalt niet proactief. Een gepland schaalbeleid vereist handmatige configuratie van de gewenste capaciteit, wat niet optimaal is als de transactieaantallen variëren. Een EventBridge-gebeurtenis met Lambda voegt meer operationele overhead toe door het beheer van aangepaste code en is reactief, niet proactief.