MoyenneChoix unique

Question d'entraînement SAP-C02

Une entreprise conçoit une nouvelle application de microservices sur AWS. Chaque microservice sera déployé en tant qu'application conteneurisée utilisant Amazon ECS avec le type de lancement Fargate. L'entreprise s'attend à des schémas de trafic variables et doit s'assurer que l'application peut s'adapter automatiquement en fonction de la demande. Quelle solution de mise à l'échelle doit être utilisée ?

Choisissez la meilleure réponse.

Bonne réponse

  • BConfigurer Application Auto Scaling avec une politique de mise à l'échelle par suivi de cible basée sur l'utilisation moyenne du processeur.

Explication

Amazon ECS avec Fargate utilise Application Auto Scaling pour ajuster automatiquement le nombre souhaité de tâches en fonction de la demande. Une politique de mise à l'échelle par suivi de cible (target tracking) basée sur l'utilisation moyenne du processeur (CPU) est la bonne approche car elle vous permet de définir une valeur cible (par exemple, 70 % de CPU) et Application Auto Scaling ajoutera ou supprimera des tâches pour maintenir cette cible, correspondant aux schémas de trafic variables décrits.

Pourquoi chaque option est juste ou fausse

A

Fausse

Utiliser Amazon EC2 Auto Scaling pour ajouter plus de tâches Fargate.

EC2 Auto Scaling gère les instances EC2, et non les tâches Fargate ; la capacité Fargate est mise à l'échelle via ECS Service Auto Scaling en utilisant le suivi de cible d'Application Auto Scaling. C'est tentant car le nom suggère une mise à l'échelle de calcul générique, et ce serait correct pour un cluster ECS utilisant le type de lancement EC2 avec une capacité d'instance pour s'étendre.

B

Juste

Configurer Application Auto Scaling avec une politique de mise à l'échelle par suivi de cible basée sur l'utilisation moyenne du processeur.

Application Auto Scaling avec une politique de suivi de cible sur l'utilisation moyenne du processeur ajuste automatiquement le nombre de tâches souhaitées du service ECS à mesure que la demande varie. Il répond à l'exigence de mise à l'échelle Fargate de l'énoncé, puisque les tâches Fargate se mettent à l'échelle au niveau du service plutôt que via des groupes EC2 Auto Scaling.

C

Fausse

Utiliser AWS Auto Scaling Plans avec la mise à l'échelle prédictive.

La mise à l'échelle prédictive nécessite des données de trafic historiques couvrant au moins 14 jours pour générer des prévisions, mais le scénario décrit une nouvelle application avec des schémas variables et aucun historique d'utilisation existant, de sorte que l'algorithme ne peut pas établir de référence. C'est tentant car la mise à l'échelle prédictive provisionne de manière proactive la capacité avant les pics de demande, ce qui serait correct pour une application mature avec des cycles de trafic stables et répétitifs.

D

Fausse

Ajuster manuellement le nombre souhaité de tâches dans le service ECS en fonction de l'analyse du trafic.

Les modifications manuelles du nombre souhaité nécessitent une intervention humaine et ne peuvent pas répondre à des schémas de trafic variables, ce qui contredit l'exigence de mise à l'échelle automatique. C'est tentant car il offre un contrôle direct et une configuration zéro, et conviendrait à des charges de travail prévisibles et planifiées où la capacité est connue à l'avance et où le contrôle des coûts l'emporte sur la réactivité.

Pour aller plus loin

Application Auto Scaling est le service qui met à l'échelle les services ECS, y compris les tâches Fargate, en ajustant le nombre souhaité via la cible évolutive du service ECS. Les politiques de suivi de cible fonctionnent comme un thermostat : vous définissez une valeur cible telle que 60 % de CPU moyen, et le service calcule le nombre de tâches requis à l'aide d'une métrique et de périodes de refroidissement (cooldown). EC2 Auto Scaling gère les instances, et non les tâches Fargate, il ne peut donc pas ajouter directement des tâches. La mise à l'échelle prédictive nécessite des schémas historiques et n'est pas disponible pour le suivi de cible ECS de la même manière. Un scénario réaliste est un niveau Web dont le processeur augmente avec le volume de requêtes ; le suivi de cible ajoute automatiquement des tâches sans intervention manuelle.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement SAP-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.