某應用程式使用 AWS Lambda 函數（透過 Amazon API Gateway 呼叫）將資料儲存到 Amazon Aurora PostgreSQL 資料庫中。在概念驗證期間，公司提高了 Lambda 配額以處理高容量資料負載。解決方案架構師必須推薦一種能提高可擴展性並最大限度減少配置工作量的設計。哪種解決方案符合這些要求？

將 Lambda 函數拆分為兩個，並使用 Amazon SQS 佇列整合，能有效提高可擴展性並減少配置工作量。接收資料的 Lambda 函數可以快速響應請求，將資料放入 SQS 佇列，而無需等待資料庫操作完成。另一個 Lambda 函數則從 SQS 佇列異步處理資料並寫入 Aurora 資料庫。SQS 佇列能自動擴展以處理高容量資料負載，提供緩衝和解耦，防止資料庫過載，並在處理失敗時提供重試機制。這比單一 Lambda 函數直接寫入資料庫更能應對流量高峰。 將 Lambda 重構為 EC2 上的 Tomcat 增加了管理負擔，不符合「最小化配置工作量」的要求。將資料庫更改為 DynamoDB 雖然可擴展，但需要重寫應用程式邏輯以適應 NoSQL 模型，且 DAX 主要用於讀取加速，不直接解決寫入負載問題。使用 Amazon SNS 整合 Lambda 函數不適合此情境，因為 SNS 是一種發布/訂閱服務，不提供佇列的緩衝和重試功能，不適合處理異步資料處理任務。