Respuesta correcta
- DAumentar el factor de paralelización por shard
Explicación
Aumentar el factor de paralelización por shard (opción D) permite que cada shard sea procesado por múltiples instancias de Lambda de forma simultánea, lo que aumenta directamente el rendimiento sin requerir shards adicionales ni cambios en el flujo. Dado que la función no está alcanzando el límite de tiempo de espera de 5 minutos, sino que tarda aproximadamente 4 minutos por lote, el cuello de botella es la concurrencia de procesamiento por shard, no el tamaño del lote ni la duración de la ejecución. Esta es la solución más rentable porque utiliza los shards existentes y evita el costo de shards adicionales o aumentos innecesarios en el tiempo de espera.
Para profundizar
Las funciones de AWS Lambda que procesan Amazon Kinesis Data Streams operan sondeando los shards en busca de nuevos registros. De forma predeterminada, Lambda garantiza que solo una invocación concurrente procese registros de un shard determinado en un momento dado, manteniendo un orden estricto dentro de ese shard. Este modelo de una invocación por shard puede convertirse en un cuello de botella si el tiempo de procesamiento por lote es alto, lo que genera un aumento en la edad del iterador, indicando que la función se está retrasando. El factor de paralelización por shard, una configuración modificable en el mapeo de la fuente de eventos de Lambda, aborda esto directamente al permitir que hasta 10 invocaciones concurrentes de Lambda procesen lotes distintos del mismo shard de Kinesis de manera simultánea. Esto impulsa significativamente el rendimiento y reduce el retraso acumulado sin el costo adicional de aprovisionar más shards de Kinesis, lo que lo convierte en un mecanismo de escalado altamente eficiente para cargas de trabajo de procesamiento de flujos.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de DVA-C02 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.