Respuesta correcta
- ACrear una métrica personalizada de CloudWatch para la utilización de memoria y configurar una política de escala de seguimiento de destino utilizando esa métrica.
Explicación
Aborda directamente el cuello de botella de memoria al crear una métrica personalizada de CloudWatch para la utilización de memoria y utilizar una política de escala de seguimiento de destino. Esto permite que el grupo de Auto Scaling ajuste automáticamente la capacidad en función de la presión real de memoria, que es el problema real de rendimiento. La opción B (escala manual) no está automatizada y puede provocar un aprovisionamiento excesivo o insuficiente. La opción C (escala por pasos con CPU) no resuelve el problema de memoria, y un período de enfriamiento (cooldown) más amplio solo retrasaría la escala. La opción D (cambiar el tipo de instancia) es una medida reactiva que no proporciona escala dinámica y puede aumentar los costos sin eliminar la necesidad de políticas de escala.
Para profundizar
Amazon EC2 no expone la utilización de memoria del sistema operativo invitado (guest-OS) en las métricas estándar de CloudWatch, por lo que un administrador de sistemas debe instalar el agente unificado de CloudWatch en cada instancia y publicar una métrica de memoria (por ejemplo, mem_used_percent o memoria usada en bytes) en un espacio de nombres personalizado. Para Auto Scaling con una política de seguimiento de destino (target tracking), la métrica personalizada debe estructurarse como un agregado válido en todo el grupo, normalmente emitiendo la métrica con la dimensión AutoScalingGroupName y utilizando una estadística como Average para que la política pueda comparar el valor de todo el grupo con el destino. Las políticas de escala de seguimiento de destino se autoajustan: crean y administran automáticamente las alarmas de CloudWatch requeridas y calculan la capacidad deseada utilizando una respuesta proporcional o por pasos, simplificando así las operaciones. Un detalle sutil es que el valor de destino elegido debe ser realista para la aplicación, porque si el destino es demasiado bajo, el grupo se aprovisionará en exceso, y si es demasiado alto, las instancias pueden sobrecalentarse antes de que se lancen nuevas instancias. Otro concepto erróneo común es que simplemente se puede usar la métrica CPUUtilization de EC2 con una política de seguimiento de destino para todas las cargas de trabajo; para aplicaciones limitadas por memoria (memory-bound), ese enfoque fallará exactamente cuando la presión de memoria alcance su punto máximo mientras la CPU permanece baja. Al implementar una métrica de memoria personalizada y acoplarla a una política de seguimiento de destino, las decisiones de escala reflejan la restricción de recursos real y la flota coincide automáticamente con la curva de demanda.
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.