Aplikacja działająca na instancjach EC2 w grupie Auto Scaling przetwarza dużą liczbę wiadomości z kolejki Amazon SQS. Przetwarzanie partii wiadomości trwało kilka godzin, a średnie wykorzystanie procesora w grupie Auto Scaling nie przekroczyło progu jej polityki skalowania target-tracking. Logi aplikacji są wysyłane do Amazon CloudWatch Logs. Musisz przyspieszyć przetwarzanie kolejki przy jak najmniejszym nakładzie operacyjnym. Która opcja spełnia to wymaganie?

Poprawna odpowiedź to utworzenie polityki skalowania target-tracking, która wykorzystuje metric math do połączenia metryk SQS ApproximateNumberOfMessagesVisible i Auto Scaling Group GroupInServiceInstances. Pozwala to na dynamiczne skalowanie grupy Auto Scaling w oparciu o rzeczywiste obciążenie kolejki SQS na instancję, co jest kluczowe, gdy przetwarzanie jest długotrwałe i wykorzystanie CPU nie jest odpowiednim wskaźnikiem. Metric math umożliwia tworzenie złożonych metryk bez konieczności pisania kodu, co minimalizuje nakład operacyjny. Pozostałe opcje wymagają tworzenia i zarządzania funkcjami AWS Lambda lub dodatkowymi regułami EventBridge, co zwiększa złożoność i nakład operacyjny. Opcja z filtrem subskrypcji CloudWatch Logs jest nieefektywna, ponieważ logi aplikacji nie zawierają bezpośrednio liczby wiadomości w kolejce SQS.