在遊戲發佈期間，某公司在 Network Load Balancer 後方執行了 12 個 r6g.16xlarge (記憶體最佳化) Amazon EC2 實例。監控顯示實際使用量約為預期 CPU 和記憶體用量的四分之一。目前需求已下降且變得更加不穩定。該公司將以根據 CPU 和記憶體進行擴展的 Auto Scaling group 取代固定的機群，以將成本降至最低。哪種 Auto Scaling 配置在滿足需求的同時最具成本效益？

正確答案是使用 r6g.4xlarge 實例的 Auto Scaling group，最小容量 3，所需容量 3，最大容量 12。這是因為原始實例是 r6g.16xlarge (記憶體最佳化)，且監控顯示實際使用量僅為預期 CPU 和記憶體用量的四分之一。r6g.4xlarge 實例的資源是 r6g.16xlarge 的四分之一，因此將 12 個 r6g.16xlarge 替換為 12 個 r6g.4xlarge 可以維持相同的總資源量，同時降低成本。將最小容量設定為 3 可以確保在需求最低時仍有足夠的容量，而最大容量 12 則允許在需求高峰時擴展。 其他選項不正確的原因： c6g.4xlarge 是運算最佳化實例，不符合原始記憶體最佳化的需求。 m6g.4xlarge 是通用型實例，可能無法滿足記憶體密集型應用程式的需求。 r6g.8xlarge 實例雖然是記憶體最佳化，但其資源量是 r6g.16xlarge 的一半，如果將 12 個 r6g.16xlarge 替換為 6 個 r6g.8xlarge，總資源量會減少一半，可能不足以應對原始負載。