Компания планирует перенести 20 редко используемых, но критически важных для бизнеса приложений (на Java и Node.js) в AWS. Компания хочет минимизировать затраты и стандартизировать подход к развертыванию. Большинство приложений запускаются в рамках обработки данных в конце месяца с небольшим количеством одновременных пользователей, но могут запускаться и в другое время. Типичное использование памяти составляет менее 1 ГБ, с пиками до 2,5 ГБ. Одно критически важное приложение для выставления счетов на Java обращается к нескольким источникам данных и может работать в течение нескольких часов. Какая стратегия развертывания будет НАИБОЛЕЕ экономически эффективной?

Правильный ответ — запуск приложений как задач Amazon ECS на инстансах Amazon EC2 с Auto Scaling. Этот подход наиболее экономически эффективен, поскольку ECS позволяет совместно использовать вычислительные ресурсы между несколькими приложениями (задачами) на одних и тех же инстансах EC2, что снижает затраты по сравнению с выделенными ресурсами для каждого приложения. Использование Auto Scaling на основе метрик памяти (75%) гарантирует, что инстансы масштабируются только при необходимости, избегая избыточного выделения ресурсов. Каждое приложение имеет собственное определение задачи, что обеспечивает изоляцию и стандартизацию. Развертывание каждого приложения как отдельной функции AWS Lambda может быть дороже из-за потенциально длительного времени выполнения критически важного приложения для выставления счетов и пиков памяти до 2,5 ГБ, что превышает лимиты Lambda по умолчанию и может потребовать более дорогих конфигураций. AWS Elastic Beanstalk, хотя и упрощает развертывание, создает отдельные среды для каждого приложения, что может быть менее экономичным, чем совместное использование ресурсов в ECS. Создание нового кластера EC2 с Reserved Instances и совместным размещением приложений менее гибко и может привести к недоиспользованию ресурсов, если нагрузка не постоянна, а также сложнее в управлении, чем ECS.