Firma organizująca wydarzenia na żywo uruchamia aplikację do sprzedaży biletów na instancjach EC2 w grupie Auto Scaling i używa PostgreSQL jako bazy danych. Wydarzenia sprzedażowe powodują jednorazowe, zaplanowane skoki popytu. Firma potrzebuje podejścia do skalowania, które maksymalizuje dostępność podczas tych zaplanowanych wydarzeń sprzedażowych. Które rozwiązanie spełnia te potrzeby?

Poprawna odpowiedź wykorzystuje skalowanie zaplanowane dla instancji EC2, co jest idealne dla przewidywalnych skoków ruchu. Amazon Aurora PostgreSQL Multi-AZ zapewnia wysoką dostępność i skalowalność bazy danych. Użycie EventBridge i funkcji Lambda do tworzenia i przełączania na większą replikę Aurora przed sprzedażą, a następnie zmniejszania jej po wydarzeniu, pozwala na elastyczne zarządzanie zasobami bazy danych, optymalizując wydajność podczas szczytowego obciążenia i minimalizując koszty poza nim. Pozostałe opcje są mniej optymalne: Skalowanie predykcyjne jest dobre dla przewidywalnych wzorców, ale skalowanie zaplanowane jest bardziej precyzyjne dla jednorazowych, zaplanowanych wydarzeń. Aurora Serverless v2 jest skalowalna, ale ręczne zarządzanie replikami Aurora z Lambda oferuje większą kontrolę nad specyficznymi wymaganiami obciążenia. Amazon RDS for PostgreSQL nie oferuje takiej elastyczności i wydajności jak Aurora, zwłaszcza w kontekście szybkiego skalowania replik odczytu. Ponownie, RDS for PostgreSQL jest mniej wydajny niż Aurora, a "rozgrzewanie" bazy danych za pomocą Step Functions i Lambda jest mniej skuteczne niż dynamiczne skalowanie replik Aurora.