MoyenneChoix unique

Question d'entraînement DVA-C02

Un développeur résout les problèmes d'une fonction AWS Lambda qui traite des enregistrements provenant d'un Amazon Kinesis Data Stream. La fonction est configurée avec une taille de lot de 100 et un facteur de parallélisation de 1. La métrique d'âge de l'itérateur augmente et les journaux CloudWatch indiquent que le temps d'exécution de la fonction est d'environ 4 minutes (le délai d'expiration est de 5 minutes). Le flux possède 10 partitions. Quel est le moyen le plus rentable d'augmenter le débit de traitement ?

Choisissez la meilleure réponse.

Bonne réponse

  • DAugmenter le facteur de parallélisation par partition

Explication

L'augmentation du facteur de parallélisation par partition (option D) permet à chaque partition d'être traitée par plusieurs instances Lambda simultanément, ce qui augmente directement le débit sans nécessiter de partitions supplémentaires ni de modifications du flux. Étant donné que la fonction n'atteint pas le délai d'expiration de 5 minutes mais prend environ 4 minutes par lot, le goulet d'étranglement est la concurrence de traitement par partition, et non la taille du lot ou la durée d'exécution. C'est la solution la plus rentable car elle utilise les partitions existantes et évite le coût de partitions supplémentaires ou d'augmentations inutiles du délai d'expiration.

Pourquoi chaque option est juste ou fausse

A

Fausse

Augmenter la taille du lot à 500

Bien que l'augmentation de la taille du lot puisse réduire la surcharge des invocations Lambda, cela signifie également que chaque invocation doit traiter plus d'enregistrements. Si la fonction Lambda a déjà du mal avec le temps de traitement par enregistrement, un lot plus important aggravera le problème, ce qui pourrait entraîner l'expiration des invocations et l'augmentation de l'âge de l'itérateur à mesure que la fonction prend de plus en plus de retard. Cela n'améliore pas le débit global si le goulet d'étranglement est la vitesse de traitement des enregistrements individuels.

B

Fausse

Augmenter le nombre de partitions

L'augmentation du nombre de partitions Kinesis augmente directement la capacité de débit total du flux et permet un plus grand nombre d'invocations Lambda concurrentes, car chaque partition peut être traitée indépendamment. Cependant, les flux Kinesis Data Streams sont facturés par heure de partition, ce qui signifie que l'ajout de partitions augmente considérablement le coût opérationnel du flux. Bien qu'efficace pour la mise à l'échelle, ce n'est pas la solution la plus rentable par rapport à l'optimisation de l'efficacité de traitement de la fonction Lambda dans les ressources de flux existantes.

C

Fausse

Augmenter le délai d'expiration à 10 minutes

L'extension du délai d'expiration de la fonction Lambda permet simplement à une seule invocation de s'exécuter pendant une durée plus longue avant d'être arrêtée par le service. Cela n'augmente pas intrinsèquement la vitesse à laquelle les enregistrements sont traités ni le nombre d'invocations concurrentes. Si la fonction est lente en raison d'un code inefficace ou de contraintes de ressources, l'augmentation du délai d'expiration ne fera que retarder l'expiration inévitable ou lui permettre de prendre encore plus de retard, entraînant une augmentation continue de l'âge de l'itérateur sans améliorer le débit global.

D

Juste

Augmenter le facteur de parallélisation par partition

L'augmentation du facteur de parallélisation par partition pour un mappage de source d'événements de flux Kinesis permet à une seule fonction Lambda de traiter plusieurs lots concurrents provenant de la même partition. Par défaut, Lambda traite un lot par partition de manière concurrente. L'augmentation de ce facteur (jusqu'à 10) stimule directement le débit de traitement effectif de chaque partition sans engendrer de coûts de partition Kinesis supplémentaires, ce qui en fait un moyen hautement efficace de réduire l'âge de l'itérateur et de rattraper le retard accumulé.

Pour aller plus loin

Les fonctions AWS Lambda qui traitent des flux Kinesis Data Streams fonctionnent en interrogeant les partitions à la recherche de nouveaux enregistrements. Par défaut, Lambda garantit qu'une seule invocation concurrente traite les enregistrements d'une partition donnée à un moment donné, maintenant un ordre strict au sein de cette partition. Ce modèle d'une invocation par partition peut devenir un goulet d'étranglement si le temps de traitement par lot est élevé, entraînant une augmentation de l'âge de l'itérateur, ce qui indique que la fonction prend du retard. Le facteur de parallélisation par partition, un paramètre configurable sur le mappage de la source d'événements Lambda, résout directement ce problème en permettant à un maximum de 10 invocations Lambda concurrentes de traiter simultanément des lots distincts provenant de la même partition Kinesis. Cela améliore considérablement le débit et réduit le retard accumulé sans le coût supplémentaire du provisionnement de partitions Kinesis supplémentaires, ce qui en fait un mécanisme de mise à l'échelle hautement efficace pour les charges de travail de traitement de flux.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement DVA-C02 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.