DifícilOpción múltiple

Pregunta de práctica de SOA-C02

Una empresa está ejecutando una aplicación web con estado en instancias EC2 en un Auto Scaling group. La aplicación requiere baja latencia y alto rendimiento. Actualmente, la aplicación experimenta degradación del rendimiento durante las horas pico. ¿Qué estrategia de escalado debe implementar el administrador de SysOps para mejorar el rendimiento y optimizar el costo?

Elige la mejor respuesta.

Respuesta correcta

  • DPolítica de escalado predictivo

Explicación

El escalado predictivo es la elección correcta porque utiliza aprendizaje automático para analizar patrones de tráfico históricos y ajustar proactivamente la capacidad antes de que aumente la demanda, lo cual es ideal para una aplicación web con estado que experimenta degradación del rendimiento en horas pico predecibles. Este enfoque garantiza una baja latencia y un alto rendimiento mediante el precalentamiento de instancias, al tiempo que optimiza el costo al evitar el sobreaprovisionamiento durante los períodos de menor actividad.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Política de escalado escalonado basada en la utilización de memoria

Una política de escalado escalonado que utiliza la utilización de memoria tiene fallas por dos motivos. Primero, la utilización de memoria de la instancia EC2 no se publica como una métrica estándar de CloudWatch, por lo que debe instalar y configurar el agente de CloudWatch para emitir métricas personalizadas, lo que agrega sobrecarga operativa y un retraso antes de que los datos estén disponibles. Segundo, el escalado escalonado es intrínsecamente reactivo: responde solo después de que se supera el umbral de la alarma, y sus ajustes por pasos combinados con los temporizadores de enfriamiento pueden causar oscilaciones. Incluso con pasos bien ajustados, no puede preaprovisionar capacidad para un aumento repentino en el tráfico de usuarios entrante, que es el problema central para una aplicación web con estado.

B

Incorrecta

Escalado programado con horas fijas

El escalado programado con horas fijas funciona solo si el patrón de tráfico de la aplicación es absolutamente predecible, como una carga de trabajo empresarial conocida de 9 a 5. No tiene en cuenta la utilización en tiempo real o eventos inesperados como una campaña de marketing viral o una multitud repentina, por lo que si el patrón de tráfico cambia, el horario agregará instancias innecesarias o no las agregará a tiempo. Para una aplicación web con estado, este enfoque rígido puede causar costos innecesarios sin garantizar el rendimiento, y no puede adaptarse al crecimiento orgánico o la estacionalidad cambiante que experimentan las aplicaciones web típicas.

C

Incorrecta

Política de escalado simple basada en la utilización de CPU

Una política de escalado simple basada en la utilización de CPU es reactiva y utiliza un solo paso de ajuste con un período de enfriamiento obligatorio. Durante un pico rápido, la alarma tardará varios minutos en activarse, luego el enfriamiento evita cualquier acción de escalado adicional hasta que expire el período, por lo que la capacidad se retrasa enormemente con respecto a la demanda. En una aplicación web con estado, este retraso puede provocar la pérdida de sesiones o una experiencia de usuario degradada. Además, la utilización de CPU por sí sola a menudo no captura el cuello de botella real de la aplicación —presión de memoria, agotamiento del grupo de conexiones de la base de datos o profundidad de la cola de solicitudes—, por lo que el disparador de escalado puede estar desalineado con la carga de trabajo real.

D

Correcta

Política de escalado predictivo

Una política de escalado predictivo utiliza aprendizaje automático para analizar patrones de tráfico históricos y pronosticar la demanda futura, lo que permite que Auto Scaling lance instancias antes del pico real. Este enfoque proactivo es ideal para una aplicación web con estado porque elimina el retraso de inicio en frío y reduce el riesgo de capacidad insuficiente durante ráfagas repentinas. También mejora la eficiencia de costos al evitar el sobreaprovisionamiento y, cuando se combina con una política de escalado dinámico, puede manejar tanto las tendencias anticipadas como las desviaciones inesperadas. La clave es que el escalado predictivo aprende de patrones recurrentes (diarios, semanales o mensuales) y suaviza la curva de capacidad antes de que llegue la carga.

Para profundizar

Amazon EC2 Auto Scaling ofrece varias políticas de escalado que difieren en cómo adquieren capacidad: las políticas dinámicas (simple, escalonada y de seguimiento de objetivos) reaccionan a las alarmas de CloudWatch en tiempo real, mientras que el escalado programado se basa en el tiempo y el escalado predictivo se basa en pronósticos de aprendizaje automático. Un matiz crítico es que el escalado predictivo no responde a la demanda en vivo; utiliza solo datos históricos para predecir el tráfico futuro, por lo que no es un reemplazo completo para el escalado dinámico; AWS recomienda combinarlo con una política de seguimiento de objetivos para obtener los mejores resultados. Otro concepto erróneo común es que todas las métricas de escalado están disponibles automáticamente, pero la utilización de memoria es una métrica personalizada que requiere que el agente de CloudWatch se instale y configure en cada instancia. Para las aplicaciones con estado, el escalado también interactúa con ganchos de ciclo de vida, vaciado de conexiones y persistencia de datos (por ejemplo, utilizando Amazon EFS o un almacén de sesiones separado), porque terminar una instancia puede descartar las sesiones en memoria. Por lo tanto, la elección de la política de escalado es solo una parte de la solución; la arquitectura de la aplicación también debe admitir el escalado horizontal seguro, como el uso de sesiones permanentes con un equilibrador de carga o la descarga del estado de la sesión a ElastiCache. Esta pregunta evalúa si un candidato entiende que el escalado proactivo basado en pronósticos es la forma más efectiva de manejar picos de tráfico repentinos e impredecibles sin arriesgar el rendimiento.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de SOA-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.