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.
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.