Firma prowadzi usługę dostarczania jedzenia. Z powodu niedawnego wzrostu, system przetwarzania zamówień firmy doświadcza problemów ze skalowaniem w godzinach szczytowego ruchu. Obecna architektura obejmuje instancje Amazon EC2 w grupie Auto Scaling, które zbierają zamówienia z aplikacji. Druga grupa instancji EC2 w grupie Auto Scaling realizuje zamówienia. Proces zbierania zamówień odbywa się szybko, ale proces realizacji zamówień może trwać dłużej. Dane nie mogą zostać utracone z powodu zdarzenia skalowania. Architekt rozwiązań musi zapewnić, że zarówno proces zbierania zamówień, jak i proces realizacji zamówień mogą odpowiednio skalować się w godzinach szczytowego ruchu. Które rozwiązanie spełni te wymagania?

Poprawna odpowiedź to użycie dwóch kolejek Amazon SQS i skalowanie grup Auto Scaling na podstawie liczby wiadomości w każdej kolejce. Amazon SQS jest w pełni zarządzaną usługą kolejkowania wiadomości, która oddziela komponenty aplikacji, umożliwiając im niezależne skalowanie. Oddzielenie procesów zbierania i realizacji zamówień za pomocą kolejek SQS pozwala każdemu procesowi skalować się niezależnie w zależności od obciążenia. Skalowanie grup Auto Scaling w oparciu o liczbę wiadomości w kolejce SQS (np. metryka ApproximateNumberOfMessagesVisible) jest efektywnym sposobem na dynamiczne dostosowywanie pojemności do bieżącego zapotrzebowania, zapewniając, że żadne dane nie zostaną utracone i system będzie działał płynnie w godzinach szczytu. Pozostałe opcje są mniej odpowiednie: Monitorowanie tylko CPUUtilization może nie być wystarczające, ponieważ proces realizacji zamówień może być I/O-bound lub memory-bound. Ustawienie minimalnej pojemności na szczytowe obciążenie jest nieefektywne kosztowo. Tworzenie dodatkowych grup Auto Scaling na żądanie za pomocą SNS i CloudWatch jest zbyt złożone i nieoptymalne w porównaniu do natywnego skalowania Auto Scaling opartego na metrykach SQS. Skalowanie na podstawie "powiadomień wysyłanych przez kolejki" jest niejasne i nie odzwierciedla standardowego mechanizmu skalowania Auto Scaling z SQS.