MoyenneChoix unique

Question d'entraînement DOP-C02

Une entreprise exécute une application Web critique sur AWS en utilisant un Application Load Balancer (ALB) devant un Auto Scaling group d'instances EC2. L'application subit des pics de trafic périodiques. Pour faire face à ces pics, l'entreprise souhaite utiliser une combinaison de mise à l'échelle proactive basée sur un calendrier prévisible et de mise à l'échelle réactive basée sur l'utilisation du CPU. Quelle est la stratégie de mise à l'échelle la PLUS résiliente ?

Choisissez la meilleure réponse.

Bonne réponse

  • AUtiliser une politique de mise à l'échelle planifiée pour les pics prévisibles et une politique de mise à l'échelle par étapes pour l'utilisation du CPU.

Explication

Elle combine une politique de mise à l'échelle planifiée pour les pics de trafic prévisibles et une politique de mise à l'échelle par étapes pour les ajustements réactifs basés sur l'utilisation du CPU, offrant ainsi une résilience à la fois proactive et réactive. La mise à l'échelle planifiée ajuste la capacité avant les événements connus, tandis que la mise à l'échelle par étapes permet des ajustements plus importants et plus agressifs lorsque l'utilisation du CPU dépasse les seuils, évitant ainsi la réponse linéaire et plus lente du suivi de cible. Cette approche double garantit que l'application peut gérer les pics sans surprovisionnement ni sous-provisionnement.

Pourquoi chaque option est juste ou fausse

A

Juste

Utiliser une politique de mise à l'échelle planifiée pour les pics prévisibles et une politique de mise à l'échelle par étapes pour l'utilisation du CPU.

La mise à l'échelle planifiée pré-provisionne des instances à des heures fixes, alignant la capacité sur la demande future connue, tandis qu'une politique de mise à l'échelle par étapes réagit à l'utilisation réelle du CPU via des alarmes CloudWatch avec des étapes d'ajustement définies (par exemple, ajouter 2 instances lorsque le CPU dépasse 80 %, en ajouter 1 lorsqu'il dépasse 70 %). Cette combinaison garantit à la fois une préparation proactive aux pics de trafic prévisibles et une réponse réactive rapide à tout écart, offrant la plus haute résilience pour les schémas de trafic mixtes.

B

Fausse

Utiliser une mise à l'échelle prédictive basée sur les schémas de trafic historiques.

La mise à l'échelle prédictive utilise le machine learning sur des données de charge historiques pour prévoir les besoins futurs en capacité, mais elle s'appuie sur au moins 14 jours de données représentatives et suppose des schémas récurrents. Si un afflux massif, un événement viral ou un changement commercial provoque un schéma que le modèle n'a pas vu, les prévisions seront incorrectes et, étant donné que la mise à l'échelle prédictive est purement temporelle, elle ne peut pas se déclencher sur des pics de CPU en direct, ce qui la rend insuffisante pour les applications critiques nécessitant une réaction immédiate aux anomalies.

C

Fausse

Utiliser une mise à l'échelle manuelle en augmentant la capacité souhaitée avant les pics attendus.

La mise à l'échelle manuelle oblige un opérateur à ajuster la capacité souhaitée ou à mettre à jour l'Auto Scaling group avant chaque pic, ce qui prend du temps et est source d'erreurs, en particulier pour les événements inattendus. Elle n'offre aucune automatisation, de sorte que si l'opérateur n'est pas disponible ou si le timing du pic change, l'application manque de capacité ; de plus, les modifications manuelles ne sont pas annulées automatiquement, ce qui nécessite une surveillance humaine continue pour supprimer les instances excédentaires et éviter le surprovisionnement.

D

Fausse

Utiliser une politique de mise à l'échelle par suivi de cible basée sur l'utilisation moyenne du CPU.

Une politique de suivi de cible maintient une cible de métrique CloudWatch fixe (par exemple, un CPU à 50 %) en ajustant la capacité de manière proportionnelle, mais elle ne réagit qu'après que la métrique a dépassé la cible pendant la période d'évaluation de l'alarme, de sorte qu'elle accuse intrinsèquement un retard en cas de pics soudains. Son contrôle grossier à métrique unique ne peut pas appliquer plusieurs seuils ou ajustements par étapes agressifs, et les moyennes de CPU peuvent masquer de courtes rafales d'utilisation élevée, provoquant une expansion plus lente qu'une politique de mise à l'échelle par étapes dédiée.

Pour aller plus loin

AWS Auto Scaling propose plusieurs types de politiques, et le choix de la bonne politique dépend de la prévisibilité de la charge de travail. La mise à l'échelle planifiée est proactive : vous définissez un planning cron ou ponctuel pour définir la capacité souhaitée à l'avance, ce qui est idéal pour les cycles commerciaux connus tels que les pics de connexion quotidiens. La mise à l'échelle dynamique (par étapes ou par suivi de cible) est réactive : elle utilise des alarmes CloudWatch pour ajuster la capacité en temps réel, la mise à l'échelle par étapes offrant un contrôle plus fin grâce à plusieurs seuils et valeurs d'ajustement. La mise à l'échelle prédictive ajoute du machine learning pour anticiper la demande, mais elle nécessite toujours des données historiques et est mieux utilisée aux côtés d'une politique dynamique pour couvrir les erreurs de prévision. Une idée fausse courante est qu'un seul type de politique suffit, mais les charges de travail de production présentant à la fois des pics prévisibles et imprévisibles doivent combiner une politique planifiée (ou prédictive) pour la hausse de base connue et une politique de mise à l'échelle par étapes pour les surtensions inattendues. De plus, gardez à l'esprit que la mise à l'échelle par étapes vous oblige à définir explicitement le nombre d'instances à ajouter ou à supprimer pour chaque violation d'alarme, tandis que le suivi de cible gère cela automatiquement mais avec moins de granularité ; cette granularité est précisément la raison pour laquelle la mise à l'échelle par étapes est privilégiée pour les applications critiques et soumises à de fortes variations.

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.