Een bedrijf exploiteert een webapplicatie op een enkele EC2-instance die traag wordt tijdens piekuren wanneer het CPU-gebruik meer dan 95% bedraagt. Een user-data script installeert aangepaste pakketten op de instance bij de lancering, waardoor het opstarten van de instance enkele minuten duurt. Het bedrijf zal een Auto Scaling group maken met behulp van een launch template, met gemengde instancetypen, variërende CPU-capaciteiten en een maximale capaciteitslimiet. Het bedrijf wil de applicatielatentie verminderen wanneer nieuwe instances worden gelanceerd tijdens scaling events. Welke aanpak voldoet aan deze vereiste?

De correcte aanpak is het gebruik van een dynamic scaling policy, warm pools en lifecycle hooks. Een dynamic scaling policy reageert op realtime metrische gegevens (zoals CPU-gebruik) om instances toe te voegen of te verwijderen, wat geschikt is voor onvoorspelbare pieken. Warm pools zorgen ervoor dat instances al zijn opgestart en geconfigureerd (inclusief het uitvoeren van het user-data script via lifecycle hooks) voordat ze aan de service worden toegevoegd, wat de latentie tijdens scaling events aanzienlijk vermindert. Lifecycle hooks maken het mogelijk om aangepaste acties uit te voeren, zoals het user-data script, voordat een instance volledig operationeel is. Incorrecte opties: Predictive scaling is minder geschikt voor onvoorspelbare pieken en een instance maintenance policy is niet de juiste methode om user-data scripts uit te voeren bij het opstarten. Een warmup time van 0 seconden zou de latentie niet verminderen als het user-data script nog moet worden uitgevoerd. Een dynamic scaling policy is goed, maar lifecycle hooks zijn de juiste methode voor het user-data script, niet een instance maintenance policy. Een warmup time van 0 seconden is niet effectief zonder warm pools. Predictive scaling is minder geschikt. Warm pools zijn goed, maar een instance maintenance policy is niet de juiste methode voor het user-data script.