Question d'entraînement DOP-C02
Une entreprise exécute une application web conteneurisée sur Amazon ECS avec AWS Fargate. L'application est critique et nécessite une haute disponibilité. L'équipe DevOps a configuré une alarme Amazon CloudWatch qui déclenche une action de mise à l'échelle automatique lorsque l'utilisation moyenne du CPU dépasse 75 % pendant 5 minutes. Cependant, lors d'un pic de trafic récent, l'application est devenue lente et certaines requêtes ont expiré, même si l'alarme CloudWatch ne s'est pas déclenchée. L'équipe a vérifié la configuration de la mise à l'échelle automatique du service ECS et a constaté que la politique de mise à l'échelle par suivi de cible basée sur l'utilisation moyenne du CPU est définie avec une valeur cible de 75 %. Le service ECS est configuré avec un minimum de 2 tâches et un maximum de 10 tâches. Lors de l'enquête, ils ont remarqué que la métrique d'utilisation du CPU pour le service est restée inférieure à 75 % pendant le pic, mais que l'utilisation de la mémoire était élevée (plus de 90 %). Les journaux de l'application montrent que les tâches manquaient de mémoire, provoquant des pauses de ramasse-miettes (garbage collection) et des réponses lentes. Quelle mesure l'ingénieur DevOps doit-il prendre pour éviter ce problème à l'avenir ?
Bonne réponse
- AAjouter une seconde politique de mise à l'échelle par suivi de cible basée sur l'utilisation moyenne de la mémoire avec une valeur cible de 75 %.
Explication
Le problème est que l'application manque de mémoire, ce qui provoque une dégradation des performances, mais la politique de mise à l'échelle surveille uniquement le CPU. Pour éviter cela, vous devez ajouter une politique de mise à l'échelle par suivi de cible basée sur l'utilisation de la mémoire. Cela déclenchera la mise à l'échelle lorsque la mémoire dépasse la cible, fournissant des tâches supplémentaires pour gérer la charge et évitant l'épuisement de la mémoire.
Pour aller plus loin
La mise à l'échelle automatique du service ECS prend en charge les politiques de suivi de cible basées sur les métriques CloudWatch. Bien que l'utilisation du CPU soit courante, l'utilisation de la mémoire est également une métrique valide si la définition de tâche spécifie une réservation de mémoire. Lorsque l'utilisation de la mémoire dépasse la cible, ECS effectue un scale-out. Cependant, la mise à l'échelle basée sur la mémoire peut être moins réactive car l'utilisation de la mémoire peut ne pas diminuer immédiatement après la mise à l'échelle, ce qui entraîne une mise à l'échelle excessive. Elle est souvent utilisée conjointement avec la mise à l'échelle du CPU. Dans ce scénario, l'application présentait une fuite de mémoire ou un modèle d'utilisation de la mémoire élevé, la mise à l'échelle basée sur la mémoire est donc appropriée. La valeur cible doit être définie en fonction de tests de performance. C'est une bonne pratique pour les applications gourmandes en mémoire.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement DOP-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.