Bonne réponse
- DConfigurer l'Auto Scaling pour le parc de consommateurs en fonction de la métrique ApproximateNumberOfMessagesVisible.
Explication
Mettre à l'échelle le parc de consommateurs en fonction de la métrique ApproximateNumberOfMessagesVisible traite directement l'arriéré en ajoutant plus de capacité de traitement lorsque la file d'attente grandit. Cette approche réduit la latence de manière dynamique sans engendrer de coûts inutiles pendant les heures creuses, car elle n'augmente la capacité que lorsque cela est nécessaire. L'Auto Scaling avec les métriques SQS est une solution rentable et élastique pour gérer des charges de travail variables.
Pour aller plus loin
Les consommateurs SQS effectuent des sondages par lots, de sorte que la croissance de l'arriéré signifie que le taux de sondage global est inférieur au taux d'arrivée des messages. ApproximateNumberOfMessagesVisible signale les messages disponibles pour la récupération, et une politique de suivi de cible Application Auto Scaling sur cette métrique ajoute des tâches ou des instances de consommateurs à mesure que la file d'attente s'approfondit, puis réduit la taille lorsqu'elle se vide. Cela augmente directement la capacité de traitement parallèle et diminue la latence de bout en bout tout en ne payant que pour la capacité réellement nécessaire. Une subtilité : la métrique est approximative et mise à jour environ toutes les minutes, il faut donc configurer un délai de refroidissement de mise à l'échelle vers l'extérieur suffisamment court pour réagir et un délai de refroidissement de mise à l'échelle vers l'intérieur suffisamment long pour éviter les oscillations. En pratique, un parc de traitement de commandes derrière SQS peut absorber une vente flash en mettant automatiquement à l'échelle les consommateurs de 4 à 40 tâches.
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.