Bir kamu hizmeti şirketi, akıllı sayaç kullanım verilerini her 5 dakikada bir toplar. Veriler Amazon API Gateway üzerinden gelir, bir AWS Lambda fonksiyonuna gider ve bir Amazon DynamoDB tablosunda saklanır. Bir pilot uygulama sırasında Lambda 3-5 saniye çalıştı, ancak sayaçlar ölçeklendikçe Lambda süreleri 1-2 dakikaya çıktı ve daha fazla metrik türü süreyi daha da artırdı. DynamoDB PUT'larında çok sayıda ProvisionedThroughputExceededException hatası ve Lambda'dan çok sayıda TooManyRequestsException hatası oluştu. Sorunları çözecek değişiklik kombinasyonu hangisidir? (İki tane seçin.)

Doğru cevaplar, sistemin ölçeklenme sorunlarını doğrudan ele almaktadır. DynamoDB tablosundaki yazma kapasitesi birimlerini artırmak, ProvisionedThroughputExceededException hatalarını çözerek DynamoDB'nin artan yazma yükünü karşılamasını sağlar. Verileri API Gateway'den bir Amazon Kinesis Data Stream'ine aktarmak ve toplu işlemek, Lambda'nın TooManyRequestsException hatalarını azaltır ve Lambda'nın daha verimli çalışmasını sağlar. Kinesis, yüksek hacimli veri alımını yönetir ve Lambda'nın verileri daha büyük gruplar halinde işlemesine olanak tanır, bu da her bir kayda düşen işlem süresini azaltır. Lambda fonksiyonlarına ayrılan belleği artırmak, işlem süresini kısaltabilir ancak temel ölçeklenme ve aktarım hızı sorunlarını çözmez. Akıllı sayaçlardan gelen payload boyutunu artırmak, mevcut sorunları daha da kötüleştirir. Verileri bir Amazon SQS FIFO kuyruğunda toplamak ve her mesaj için bir Lambda tetiklemek, FIFO kuyruğunun aktarım hızı sınırlamaları nedeniyle ölçeklenme sorununu çözmez ve Lambda'nın tek tek mesajları işlemesi nedeniyle verimsiz kalır.