Bonne réponse
- ACréer une métrique CloudWatch personnalisée pour l'utilisation de la mémoire et configurer une politique de mise à l'échelle par suivi d'objectif en utilisant cette métrique.
Explication
Il répond directement au problème de goulot d'étranglement de la mémoire en créant une métrique CloudWatch personnalisée pour l'utilisation de la mémoire et en utilisant une politique de mise à l'échelle par suivi d'objectif (target tracking). Cela permet au groupe Auto Scaling d'ajuster automatiquement la capacité en fonction de la pression réelle de la mémoire, qui est le véritable problème de performance. L'option B (mise à l'échelle manuelle) n'est pas automatisée et peut entraîner un surdimensionnement ou un sous-dimensionnement. L'option C (mise à l'échelle par paliers avec le processeur) ne résout pas le problème de la mémoire, et une période de refroidissement (cooldown) plus large ne ferait que retarder la mise à l'échelle. L'option D (changement du type d'instance) est une mesure réactive qui ne fournit pas de mise à l'échelle dynamique et peut augmenter les coûts sans éliminer le besoin de politiques de mise à l'échelle.
Pour aller plus loin
Amazon EC2 n'expose pas l'utilisation de la mémoire de l'OS invité dans les métriques CloudWatch standard, de sorte qu'un administrateur système doit installer l'agent CloudWatch unifié sur chaque instance et publier une métrique de mémoire (par exemple, mem_used_percent ou mémoire utilisée en octets) dans un espace de noms personnalisé. Pour l'Auto Scaling avec une politique de suivi d'objectif, la métrique personnalisée doit être structurée comme un agrégat valide sur l'ensemble du groupe, généralement en émettant la métrique avec la dimension AutoScalingGroupName et en utilisant une statistique telle que Average afin que la politique puisse comparer la valeur à l'échelle du groupe à l'objectif. Les politiques de mise à l'échelle par suivi d'objectif sont auto-ajustables : elles créent et gèrent automatiquement les alarmes CloudWatch requises et calculent la capacité souhaitée à l'aide d'une réponse proportionnelle ou par paliers, simplifiant ainsi les opérations. Une subtilité est que la valeur cible choisie doit être réaliste pour l'application, car si la cible est trop basse, le groupe se surdimensionnera, et si elle est trop haute, les instances risquent de surchauffer avant que de nouvelles instances ne soient lancées. Une autre idée reçue fréquente est que l'on peut simplement utiliser la métrique EC2 CPUUtilization avec une politique de suivi d'objectif pour toutes les charges de travail ; pour les applications gourmandes en mémoire, cette approche échouera précisément lorsque la pression de la mémoire atteint son maximum alors que le processeur reste bas. En mettant en œuvre une métrique de mémoire personnalisée et en l'associant à une politique de suivi d'objectif, les décisions de mise à l'échelle reflètent la véritable contrainte de ressources et le parc correspond automatiquement à la courbe de demande.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement SOA-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.