DifficileChoix multiples

Question d'entraînement DVA-C02

Quelles sont les DEUX meilleures pratiques pour optimiser les performances de DynamoDB ? (Choisissez-en deux.)

Choisissez toutes les bonnes réponses.

Bonnes réponses

  • AUtilisez SQS pour découpler les charges de travail lourdes en écriture et gérer les pics.
  • BUtilisez des clés de partition à haute cardinalité pour distribuer le trafic de manière égale.

Explication

L'utilisation de SQS pour découpler les charges de travail lourdes en écriture permet à DynamoDB d'absorber les pics de trafic en mettant les écritures en mémoire tampon dans une file d'attente, ce qui évite la limitation et permet le traitement par lots. Ce modèle, souvent appelé nivellement de charge basé sur les files d'attente, garantit que la capacité provisionnée de DynamoDB n'est pas submergée par des rafales soudaines, améliorant ainsi la résilience globale du système et l'efficacité des coûts.

Pourquoi chaque option est juste ou fausse

A

Juste

Utilisez SQS pour découpler les charges de travail lourdes en écriture et gérer les pics.

SQS agit comme un tampon, découplant le producteur (application) du consommateur (DynamoDB). Pendant les charges de travail lourdes en écriture ou les pics de trafic soudains, SQS met les requêtes en file d'attente, permettant à l'application de continuer à traiter sans être limitée par la capacité provisionnée de DynamoDB. Un processus de travail distinct peut ensuite consommer les messages de SQS à un rythme contrôlé, garantissant que les unités de capacité d'écriture ne sont pas dépassées et que les opérations sont traitées de manière fiable. Cela évite les erreurs de limitation et améliore la résilience globale du système.

B

Juste

Utilisez des clés de partition à haute cardinalité pour distribuer le trafic de manière égale.

Une clé de partition à haute cardinalité garantit que les données sont distribuées sur de nombreuses partitions logiques au sein de DynamoDB. Cette distribution uniforme évite les partitions chaudes, où une quantité disproportionnée de trafic de lecture ou d'écriture cible une seule partition, entraînant une limitation même si la capacité globale de la table est suffisante. En répartissant la charge, DynamoDB peut utiliser ses ressources physiques sous-jacentes plus efficacement, optimisant les performances et évitant les goulots d'étranglement.

C

Fausse

Provisionnez des unités de capacité d'écriture maximales pour gérer tout pic.

Provisionner des unités de capacité d'écriture maximales pour gérer chaque pic imaginable est une stratégie inefficace et coûteuse. Bien que cela puisse empêcher la limitation, cela entraîne un surprovisionnement important pendant les périodes de trafic normal ou faible, ce qui génère des dépenses inutiles pour la capacité inutilisée. Une approche plus rentable et performante consiste à utiliser DynamoDB Auto Scaling, qui ajuste dynamiquement la capacité provisionnée en fonction des modèles d'utilisation réels et de l'utilisation cible définie, garantissant des performances optimales sans coûts excessifs.

D

Fausse

Utilisez des opérations Scan au lieu de Query pour récupérer des données.

Les opérations Scan sont généralement inefficaces pour récupérer des données spécifiques car elles lisent chaque élément de la table ou de l'index secondaire, puis filtrent les résultats. Cela consomme des unités de capacité de lecture importantes et peut être très lent pour les tables volumineuses, en particulier si seul un petit sous-ensemble de données est nécessaire. Les opérations Query, inversement, sont hautement efficaces car elles récupèrent directement les éléments en fonction des valeurs de clé primaire ou des clés d'index secondaire, ciblant des partitions spécifiques et minimisant la consommation de ressources.

E

Fausse

Activez des lectures fortement cohérentes pour toutes les opérations de lecture.

L'activation de lectures fortement cohérentes pour toutes les opérations n'est pas une meilleure pratique pour optimiser les performances, car elles sont généralement plus coûteuses en termes de latence et potentiellement d'unités de capacité de lecture par rapport aux lectures cohérentes à terme. Les lectures fortement cohérentes garantissent qu'une lecture renvoie les données les plus récentes, mais elles nécessitent une coordination entre plusieurs nœuds de stockage, ce qui peut introduire une latence plus élevée. Pour de nombreux cas d'utilisation où la cohérence immédiate des données n'est pas critique, les lectures cohérentes à terme offraient de meilleures performances et un coût inférieur en lisant à partir de n'importe quel réplica disponible.

Pour aller plus loin

La question se concentre sur l'optimisation des performances de DynamoDB, qui est un aspect essentiel de la conception d'applications évolutives et rentables sur AWS. Les performances de DynamoDB sont principalement régies par sa stratégie de partitionnement, le provisionnement de la capacité et les modèles d'accès. La conception efficace de la clé de partition est primordiale ; un mauvais choix peut entraîner des partitions chaudes, où une seule partition reçoit une quantité disproportionnée de trafic, provoquant une limitation même si la capacité globale de la table est suffisante. Cela est dû au fait que DynamoDB distribue le débit provisionné de manière égale entre les partitions physiques. Pour la gestion de la capacité, bien que le provisionnement manuel soit possible, DynamoDB Auto Scaling est l'approche recommandée, ajustant dynamiquement les unités de capacité de lecture et d'écriture en fonction de la charge de travail réelle, évitant ainsi à la fois le surprovisionnement et le sous-provisionnement. De plus, il est crucial de comprendre la différence entre les opérations Query et Scan, ainsi qu'entre les lectures cohérentes à terme et fortement cohérentes. Les opérations Query sont hautement ciblées et efficaces, tirant parti des index primaires ou secondaires, tandis que les opérations Scan sont des balayages complets de table ou d'index et doivent généralement être évitées pour les chemins critiques pour les performances. De même, les lectures cohérentes à terme offrent une latence et un coût moindres, adaptés à la plupart des applications, tandis que les lectures fortement cohérentes sont réservées aux scénarios où l'exactitude immédiate des données n'est pas négociable, bien qu'au détriment des performances. L'intégration de services tels que SQS peut encore améliorer la résilience en découplant les composants et en mettant en mémoire tampon les pics, évitant ainsi la limitation directe de la base de données.

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.