Firma uruchamia trójwarstwową aplikację internetową w VPC w wielu strefach dostępności. Instancje Amazon EC2 w grupie Auto Scaling hostują warstwę aplikacji. Firma potrzebuje zautomatyzowanego planu skalowania, który analizuje dzienne i tygodniowe historyczne trendy obciążenia każdego zasobu i odpowiednio skaluje zasoby zgodnie z prognozowanymi i bieżącymi zmianami wykorzystania. Jaką strategię skalowania powinien zarekomendować architekt rozwiązań?

Poprawna odpowiedź to włączenie skalowania predykcyjnego (predictive scaling) w celu prognozowania przyszłego zapotrzebowania i skonfigurowanie skalowania dynamicznego z target tracking. Skalowanie predykcyjne wykorzystuje uczenie maszynowe do analizy historycznych danych obciążenia i prognozowania przyszłego zapotrzebowania, co pozwala na proaktywne skalowanie zasobów przed wystąpieniem zmian w ruchu. W połączeniu ze skalowaniem dynamicznym opartym na target tracking, które utrzymuje metrykę (np. wykorzystanie procesora) na określonym poziomie, zapewnia to optymalne dopasowanie zasobów do obciążenia. Pozostałe opcje są mniej odpowiednie: Skalowanie dynamiczne ze skalowaniem krokowym (step scaling) reaguje na bieżące metryki, ale nie przewiduje przyszłego zapotrzebowania, co może prowadzić do opóźnień w skalowaniu. Zaplanowane akcje skalowania są statyczne i nie dostosowują się do nieprzewidzianych zmian w ruchu. Prosta polityka skalowania jest zbyt podstawowa i nie oferuje zaawansowanej analizy trendów ani predykcji. Wydłużenie okresu wyciszenia nie rozwiązuje problemu proaktywnego skalowania.