MoyenneChoix unique

Question d'entraînement SAP-C02

Une entreprise utilise Amazon DynamoDB comme base de données principale. L'équipe des opérations constate une augmentation de la latence de lecture pendant les heures de pointe. La table dispose d'une capacité de lecture provisionnée de 1000 RCU, mais les métriques CloudWatch montrent que la capacité de lecture consommée atteint fréquemment 1000 RCU. L'application utilise des lectures à cohérence éventuelle. Quel est le moyen le PLUS rentable de réduire la latence de lecture ?

Choisissez la meilleure réponse.

Bonne réponse

  • BActiver DynamoDB Accelerator (DAX) pour mettre en cache les éléments fréquemment lus.

Explication

DAX est un cache en mémoire conçu spécifiquement pour DynamoDB qui se place devant la table et sert des lectures à cohérence éventuelle avec une latence de l'ordre de la microseconde, déchargeant le trafic de lecture de la table. Étant donné que l'application utilise déjà des lectures à cohérence éventuelle et que la table est à sa limite de RCU pendant les pics, la mise en cache des éléments fréquemment lus dans DAX réduit la consommation de RCU et la latence sans surprovisionner la capacité. C'est la solution la plus rentable car elle s'attaque à la cause racine (lectures répétées d'éléments chauds) plutôt que d'ajouter de la capacité brute.

Pourquoi chaque option est juste ou fausse

A

Fausse

Passer à des lectures fortement cohérentes pour améliorer la cohérence.

Les lectures fortement cohérentes consomment deux fois plus de RCU que les lectures à cohérence éventuelle, de sorte que ce changement double la consommation de capacité sur une table déjà saturée et aggrave le bridage (throttling). C'est tentant car la cohérence ressemble à une amélioration, et les lectures fortement cohérentes seraient correctes lorsque l'application ne peut pas tolérer de données obsolètes.

B

Juste

Activer DynamoDB Accelerator (DAX) pour mettre en cache les éléments fréquemment lus.

DAX se place devant DynamoDB et sert des lectures à cohérence éventuelle à partir d'un cache en mémoire, absorbant les lectures répétées d'éléments afin qu'elles contournent entièrement la table. Cela réduit la latence pendant les pics sans augmenter la capacité de lecture provisionnée, maintenant ainsi les coûts bas.

C

Fausse

Créer un index secondaire global (GSI) sur la table pour décharger les lectures.

Un GSI duplique les données de la table et consomme sa propre capacité provisionnée, ajoutant des coûts et une amplification des écritures sans soulager les 1000 RCU épuisées de la table de base. C'est tentant car les GSI servent différents motifs de requêtes, et un GSI serait correct lorsque les lectures ont besoin d'une clé de partition ou de tri alternative.

D

Fausse

Augmenter la capacité de lecture provisionnée à 2000 RCU.

Augmenter la capacité provisionnée à 2000 RCU double le coût horaire de la table tout en laissant sans réponse la cause sous-jacente de partition chaude ou de motif d'accès à l'origine de la latence. C'est tentant car le bridage dû à une capacité épuisée semble être le coupable évident, et la mise à l'échelle des RCU serait correcte pour une croissance de lecture véritablement uniforme entre les partitions.

E

Fausse

Utiliser Amazon ElastiCache for Memcached comme cache de lecture.

Bien qu'ElastiCache for Memcached puisse réduire la charge de lecture en mettant en cache les données fréquemment accédées, il échoue ici car le goulot d'étranglement est la saturation des RCU provisionnées, et non un manque de mise en cache. La solution correcte doit augmenter la capacité de lecture ou utiliser DAX, qui s'intègre directement à l'API de DynamoDB et gère automatiquement l'invalidation du cache. Memcached est tentant car il décharge les lectures de bases de données en général, mais il nécessiterait une logique applicative personnalisée pour gérer les échecs de cache et l'obsolescence, ce qui le rend moins direct pour le modèle de cohérence éventuelle de DynamoDB.

Pour aller plus loin

DAX est un cache à écriture immédiate (write-through) : les écritures vont dans DynamoDB et sont mises en miroir dans le cluster DAX, et les lectures sont servies à partir du cache lorsque cela est possible. Il prend en charge uniquement les lectures à cohérence éventuelle — les lectures fortement cohérentes contournent le cache et vont directement dans DynamoDB, c'est pourquoi la mention de lectures à cohérence éventuelle dans la question est un indice fort. Les clusters DAX sont déployés dans un VPC sur plusieurs zones de disponibilité (AZ) avec un nœud principal et des réplicas, et les clients utilisent le SDK DAX pour leur langage. Un comportement subtil : le TTL par défaut du cache d'éléments DAX est de 5 minutes et celui du cache de requêtes est de 5 minutes, de sorte que des lectures obsolètes sont possibles dans cette fenêtre ; vous pouvez ajuster les TTL mais ne pouvez pas les définir à zéro sans désactiver effectivement la mise en cache. Scénario du monde réel : un classement de jeux ou un catalogue de produits avec des motifs de lecture asymétriques (quelques éléments chauds lus des milliers de fois par seconde) bénéficie énormément de DAX, réduisant souvent la consommation de RCU de 80 à 90 %.

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.