某公司在單一 EC2 實例上運行一個 Web 應用程式，當 CPU 使用率超過 95% 時，應用程式在高峰時段會變慢。一個 user-data 腳本會在實例啟動時安裝自訂套件，這使得實例啟動需要數分鐘。該公司將使用啟動範本建立一個 Auto Scaling group，其中包含混合實例類型、不同的 CPU 容量和最大容量限制。該公司希望在擴展事件期間啟動新實例時減少應用程式延遲。哪種方法能滿足此要求？

正確答案是使用動態擴展政策、啟用 warm pools 並使用 lifecycle hooks 來執行 user-data 腳本。動態擴展政策（例如目標追蹤擴展政策）能根據 CPU 使用率等指標自動調整實例數量，有效應對高峰負載。Warm pools 允許預先啟動並初始化實例，在擴展事件發生時能立即投入使用，大幅減少新實例啟動帶來的延遲。Lifecycle hooks 則能在實例進入或離開 Auto Scaling group 時執行自訂動作，例如在實例啟動後執行 user-data 腳本，確保應用程式在服務前已完全配置。 其他選項的錯誤原因： 預測性擴展政策適用於可預測的負載模式，但此情境描述的是突發性高峰。 將預設實例預熱時間設定為 0 秒會導致實例在未完全準備好之前就開始接收流量，反而增加延遲。 實例維護政策與 user-data 腳本的執行時機和目的不同，不能替代 lifecycle hooks 在實例啟動後進行配置。