Een Python-script draait elke 10 minuten op een EC2-instance om bestanden uit een S3-bucket op te nemen en te verwerken; elk bestand duurt ongeveer 5 minuten om te verwerken en wordt slechts één keer verwerkt. CloudWatch-metrics tonen aan dat de EC2-instance ongeveer 40% van de tijd inactief is. Het bedrijf wil dat de workload zeer beschikbaar, schaalbaar is en de doorlopende beheerkosten verlaagt. Welke oplossing voldoet het meest kosteneffectief aan deze vereisten?

De meest kosteneffectieve oplossing is het migreren van het script naar AWS Lambda met S3-gebeurtenismeldingen. Lambda is serverloos, wat betekent dat er alleen kosten zijn wanneer het script actief is, waardoor de beheerkosten aanzienlijk dalen en de EC2-instance niet langer 40% van de tijd inactief is. S3-gebeurtenismeldingen zorgen ervoor dat de verwerking direct start na een upload, wat de efficiëntie verhoogt. Dit biedt hoge beschikbaarheid en schaalbaarheid zonder handmatige interventie. De optie met SQS en EC2 Auto Scaling is complexer en brengt hogere operationele kosten met zich mee dan Lambda. Het verpakken van het script als een container op een EC2-instance behoudt de inefficiëntie van polling en de kosten van een actieve EC2-instance. De Fargate-optie is serverloos, maar de extra complexiteit van ECS en het aanroepen van RunTask via Lambda maakt het minder kosteneffectief dan directe Lambda-integratie met S3.