MédiaMúltipla escolha

Questão de prática de DOP-C02

Uma empresa está executando uma aplicação de microsserviços no Amazon ECS com o AWS Fargate. A equipe de operações precisa monitorar o desempenho da aplicação e solucionar problemas de respostas lentas de API. Atualmente, eles usam o Amazon CloudWatch Logs para logs de contêineres e habilitaram o Container Insights. No entanto, eles não conseguem visualizar detalhamentos granulares de latência por endpoint de API. Qual solução forneceria a visibilidade mais granular sobre o desempenho da API?

Escolha a melhor resposta.

Resposta correta

  • CUsar o AWS X-Ray para instrumentar a aplicação e coletar dados de rastreamento (traces).

Explicação

O AWS X-Ray fornece rastreamento ponta a ponta de solicitações à medida que elas trafegam pelos microsserviços, capturando detalhamentos granulares de latência por endpoint de API, incluindo chamadas de downstream, consultas de banco de dados e solicitações HTTP externas. Isso dá à equipe de operações a visibilidade granular necessária para identificar exatamente onde ocorrem as respostas lentas, ao contrário de métricas agregadas ou consultas baseadas em logs.

Por que cada alternativa está certa ou errada

A

Incorreta

Habilitar métricas detalhadas do CloudWatch para ECS e Fargate, incluindo CPU e memória.

Métricas detalhadas do ECS e Fargate relatam a utilização de CPU, memória e rede em nível de tarefa, o que não pode atribuir latência a endpoints de API individuais. É tentador porque a saturação de recursos frequentemente causa respostas lentas, e essas métricas estariam corretas ao diagnosticar se uma tarefa está estrangulada (throttled) ou com recursos insuficientes.

B

Incorreta

Habilitar o CloudWatch Logs Insights para consultar logs de API em busca de solicitações lentas.

O Logs Insights consulta campos de log existentes, portanto, ele só pode revelar a latência do endpoint se a aplicação já emitir tempo por solicitação; ele não adiciona nenhuma instrumentação por si só. É tentador porque ele interroga logs sem alterações de código e estaria correto onde campos estruturados de duração de solicitação já estão sendo gravados.

C

Correta

Usar o AWS X-Ray para instrumentar a aplicação e coletar dados de rastreamento (traces).

O X-Ray rastreia solicitações individuais através de microsserviços, produzindo tempos de segmentos e subsegmentos que detalham a latência por endpoint de API e chamada de downstream. O Container Insights apenas agrega métricas de tarefas e serviços, portanto não pode satisfazer o requisito do enunciado de visibilidade granular de latência por endpoint.

D

Incorreta

Implantar o coletor AWS Distro for OpenTelemetry em cada tarefa para enviar métricas ao CloudWatch.

Implantar o coletor do AWS Distro for OpenTelemetry (ADOT) para enviar métricas ao CloudWatch é insuficiente para detalhamentos granulares de latência de API por endpoint. O CloudWatch Metrics armazena dados de séries temporais, não os dados de intervalos (spans) interconectados necessários para o rastreamento distribuído através de microsserviços para identificar fontes de latência. Esta opção é tentadora porque o ADOT é a ferramenta correta para coletar vários tipos de telemetria, incluindo métricas e rastreamentos de aplicações. Seria apropriado para coletar métricas de aplicações personalizadas ou se a pergunta especificasse o envio de rastreamentos para um serviço como o AWS X-Ray para análise detalhada.

E

Incorreta

Configurar os VPC Flow Logs para analisar a latência de rede entre os serviços.

Os VPC Flow Logs registram metadados de tráfego IP aceito e rejeitado, expondo a alcançabilidade em nível de rede e retransmissões em vez da latência por endpoint na camada de aplicação. É tentador porque os dados de fluxo diagnosticam conectividade e perda de pacotes, e seriam a escolha certa quando os serviços não conseguem alcançar uns aos outros ou os security groups bloqueiam o tráfego.

Para se aprofundar

O AWS X-Ray instrumenta o código da aplicação e o SDK para rastrear solicitações através de microsserviços, produzindo um mapa de serviços e tempos de segmentos e subsegmentos. Para uma tarefa do ECS Fargate, você executa o daemon do X-Ray como um contêiner sidecar, e a aplicação envia dados de rastreamento para ele via UDP na porta 2000. Cada solicitação de API recebida se torna um rastreamento (trace), e as chamadas de downstream se tornam subsegmentos, para que você possa ver exatamente qual endpoint ou dependência contribui com latência. O Container Insights fornece métricas de CPU, memória e rede em nível de tarefa e serviço, mas não detalhamentos de latencia por endpoint. O CloudWatch Logs Insights pode consultar logs, mas carece de correlação de rastreamento distribuído. Os VPC Flow Logs mostram apenas metadados de rede. O X-Ray é a escolha granular para análise de latência de API.

Sobre estas questões de prática

Esta é uma das questões de prática originais de DOP-C02 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.