DifícilMúltipla escolha

Questão de prática de DOP-C02

Uma empresa executa uma aplicação web containerizada no Amazon ECS com o AWS Fargate. A aplicação é crítica e requer alta disponibilidade. A equipe de DevOps configurou um alarme do Amazon CloudWatch que aciona uma ação de auto-scaling quando a utilização média da CPU excede 75% por 5 minutos. No entanto, durante um pico de tráfego recente, a aplicação ficou lenta e algumas solicitações atingiram o tempo limite (timeout), mesmo sem o alarme do CloudWatch ter disparado. A equipe verificou a configuração de auto-scaling do serviço ECS e descobriu que a política de scaling de rastreamento de destino baseada na utilização média de CPU está definida com um valor alvo de 75%. O serviço ECS está configurado com um mínimo de 2 tarefas e um máximo de 10 tarefas. Após a investigação, eles notaram que a métrica de utilização de CPU do serviço permaneceu abaixo de 75% durante o pico, mas a utilização de memória estava alta (acima de 90%). Os logs da aplicação mostram que as tarefas estavam ficando sem memória, causando pausas de coleta de lixo e respostas lentas. Qual curso de ação o engenheiro de DevOps deve tomar para evitar esse problema no futuro?

Escolha a melhor resposta.

Resposta correta

  • AAdicionar uma segunda política de scaling de rastreamento de destino baseada na utilização média de memória com um valor alvo de 75%.

Explicação

O problema é que a aplicação está ficando sem memória, causando degradação de desempenho, mas a política de scaling monitora apenas a CPU. Para evitar isso, você deve adicionar uma política de scaling de rastreamento de destino baseada na utilização de memória. Isso acionará o scaling quando a memória exceder o destino, fornecendo tarefas adicionais para lidar com a carga e evitando o esgotamento de memória.

Por que cada alternativa está certa ou errada

A

Correta

Adicionar uma segunda política de scaling de rastreamento de destino baseada na utilização média de memória com um valor alvo de 75%.

O esgotamento de memória causou os timeouts enquanto a CPU permaneceu abaixo do destino, de modo que o rastreamento de destino baseado em CPU nunca fez o scale-out. Uma segunda política de rastreamento de destino sobre a utilização de memória aciona o scaling no gargalo real, evitando pausas de coleta de lixo durante picos futuros.

B

Incorreta

Diminuir o valor alvo da CPU para 50% para acionar o scaling mais cedo.

Reduzir o alvo de CPU não pode ajudar, porque a CPU permaneceu abaixo do limite existente de 75%; o gargalo era a memória, portanto o scaling orientado por CPU nunca é acionado independentemente do alvo. É tentador porque o rastreamento de destino na CPU é o padrão de scaling do ECS, e estaria correto se a saturação da CPU fosse a restrição real.

C

Incorreta

Aumentar o número mínimo de tarefas de 2 para 5 para fornecer mais capacidade antecipadamente.

Elevar a contagem mínima de tarefas adiciona capacidade de linha de base estática, mas deixa a política de scaling cega para a memória, de modo que as tarefas ainda esgotam o heap durante os picos. É tentador porque a capacidade mínima melhora a disponibilidade, e seria a alavanca correta se a carga de trabalho precisasse de capacidade mínima garantida em vez de scaling responsivo à demanda no recurso saturado.

D

Incorreta

Aumentar o limite de memória da tarefa na definição da tarefa para 8 GB.

Ampliar o limite de memória por tarefa atrasa as pausas por falta de memória, mas não adiciona tarefas quando a pressão de memória aumenta, de modo que o serviço ainda não consegue escalar na restrição real. É tentador porque aumentar a memória da tarefa é uma correção legítima para containers dimensionados incorretamente, e estaria correto se uma contagem fixa de tarefas fosse aceitável.

Para se aprofundar

O auto-scaling de serviços ECS oferece suporte a políticas de rastreamento de destino baseadas em métricas do CloudWatch. Embora a utilização de CPU seja comum, a utilização de memória também é uma métrica válida se a definição da tarefa especificar uma reserva de memória. Quando o uso de memória excede o destino, o ECS fará o scale-out. No entanto, o scaling por memória pode ser menos responsivo porque o uso de memória pode não diminuir imediatamente após o scaling, levando ao over-scaling. Ele é frequentemente usado em conjunto com o scaling de CPU. Neste cenário, a aplicação tinha um vazamento de memória ou um padrão de alto uso de memória, portanto, o scaling baseado em memória é apropriado. O valor alvo deve ser definido com base em testes de desempenho. Esta é uma prática recomendada para aplicações intensivas em memória.

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.