Kampania marketingowa zwiększy ruch w aplikacji internetowej, która korzysta z API Gateway i Lambda. Aplikacja przechowuje dane w klastrze Amazon Aurora MySQL z jedną repliką Aurora. Stosunek odczytów do zapisów wynosi około 95% odczytów i 5% zapisów. Jak administrator SysOps powinien skonfigurować bazę danych, aby skalować ją pod kątem oczekiwanego większego obciążenia?

Prawidłowa odpowiedź to włączenie Aurora Auto Scaling w celu dodawania lub usuwania replik Aurora na podstawie średniego wykorzystania procesora. Aurora Auto Scaling automatycznie dostosowuje liczbę replik odczytu Aurora w klastrze, aby obsłużyć zwiększone obciążenie odczytem, co jest kluczowe przy stosunku odczytów do zapisów wynoszącym 95%. Zwiększenie liczby replik odczytu rozkłada obciążenie, poprawiając wydajność i dostępność. Pozostałe opcje są nieprawidłowe, ponieważ: Zmiana klasy instancji (skalowanie w górę/w dół) jest mniej efektywna dla obciążeń zdominowanych przez odczyty, ponieważ repliki odczytu są przeznaczone do skalowania poziomego. Użycie AWS Auto Scaling do monitorowania klastra Aurora i dodawania lub usuwania replik na podstawie wykorzystania procesora instancji podstawowej nie jest optymalne, ponieważ instancja podstawowa obsługuje zapisy, a nie odczyty. Użycie AWS Auto Scaling do monitorowania klastra Aurora i dodawania lub usuwania replik na podstawie wykorzystania procesora istniejącej repliki Aurora jest nieprecyzyjne; Aurora Auto Scaling działa na poziomie klastra, uwzględniając średnie wykorzystanie wszystkich replik.