DifícilMúltipla escolha

Questão de prática de SOA-C02

Uma empresa executa um aplicativo web crítico em instâncias do Amazon EC2 em um Auto Scaling group distribuído em três Zonas de Disponibilidade. O aplicativo usa um Application Load Balancer (ALB) para distribuição de tráfego. O administrador do SysOps configurou um alarme do CloudWatch para monitorar a métrica `TargetResponseTime` do ALB, com um limite de 5 segundos. O alarme é disparado quando o tempo médio de resposta excede 5 segundos por 2 períodos consecutivos. Recentemente, o alarme tem disparado com frequência durante os horários de pico, mas a equipe do aplicativo relata que o tempo de resposta é aceitável e o aplicativo está funcionando normalmente. O administrador investiga e descobre que um pequeno número de solicitações está demorando muito (mais de 30 segundos), distorcendo a média. O administrador precisa reduzir o número de falsos alarmes, mantendo-se alertado se o desempenho geral do aplicativo se degradar. Qual curso de ação o administrador deve tomar?

Escolha a melhor resposta.

Resposta correta

  • AAlterar a estatística para p95 e manter o limite em 5 segundos

Explicação

O uso da estatística p95 (percentil 95) em vez da média filtra o impacto do pequeno número de solicitações discrepantes que levam mais de 30 segundos. A métrica p95 mostra o tempo de resposta abaixo do qual 95% das solicitações se enquadram, fornecendo uma representação mais precisa do desempenho típico do aplicativo. Isso reduz os falsos alarmes causados por médias distorcidas, mantendo os alertas caso a maioria dos usuários experimente tempos de resposta degradados superiores a 5 segundos.

Por que cada alternativa está certa ou errada

A

Correta

Alterar a estatística para p95 e manter o limite em 5 segundos

Alterar a estatística para p95 significa que o alarme é disparado quando a latência do 95º percentil excede 5 segundos, ignorando efetivamente os 5% das solicitações mais lentas. Isso reflete a experiência da maioria dos usuários, porque valores discrepantes raros, como uma única solicitação defeituosa, não causarão falsos alarmes. Manter o limite em 5 segundos garante que o alarme ainda detecte degradação genuína que afeta a solicitação típica. O p95 é uma métrica robusta para monitoramento de latência porque filtra picos transitórios enquanto permanece responsivo a problemas sistêmicos.

B

Incorreta

Aumentar o limite para 30 segundos

Aumentar o limite para 30 segundos apenas dispararia o alarme para latência extremamente grave, como uma solicitação travada ou um backend com falha. A degradação moderada, onde o carregamento de páginas leva de 8 a 10 segundos em vez dos 5 esperados, passaria completamente despercebida. Isso derrota o propósito de aviso prévio e permite que o desempenho percebido pelo usuário se deteriore drasticamente antes que um alerta seja emitido. O limite deve se alinhhar com a meta de desempenho do aplicativo, não com o pior cenário de valor discrepante, e 30 segundos é muito brando para proteger a experiência do usuário.

C

Incorreta

Diminuir o período para 60 segundos e reduzir o limite para 3 segundos

Diminuir o período para 60 segundos e reduzir o limite para 3 segundos torna o alarme extremamente sensível a qualquer pico curto de lentidão. Com um período de um minuto, uma única solicitação lenta ou um breve problema de rede pode empurrar a média acima de 3 segundos, causando uma violação mesmo que o tráfego normal esteja bom. Esta configuração produz falsos alarmes constantes e fadiga de alertas, e a meta de 3 segundos pode não corresponder à linha de base real do aplicativo. Um período mais apertado e um limite menor não corrigem a sensibilidade a valores discrepantes; eles a amplificam, tornando o alarme menos confiável.

D

Incorreta

Aumentar os períodos de avaliação para 5 períodos consecutivos

Exigir 5 períodos de avaliação consecutivos significa que o alarme deve observar uma violação por 5 minutos seguidos antes de disparar, o que introduz um atraso significativo na notificação. Além disso, se ocorrerem valores discrepantes esporádicos uma vez por minuto, cada período ainda poderá violar o limite médio, de modo que o alarme disparará apesar de as solicitações lentas ocasionais não afetarem a maioria. Essa abordagem não filtra valores discrepantes nem acelera a detecção; ela apenas atrasa o alarme. A intenção dos períodos de avaliação é evitar a flutuação transitória, não resolver o problema de seleção de estatísticas, de modo que o comportamento subjacente impulsionado por valores discrepantes permanece inalterado.

Para se aprofundar

Esta questão testa a sua compreensão das estatísticas de alarmes do CloudWatch e seu impacto no monitoramento do desempenho de aplicativos. A estatística padrão é Average (Média), que é altamente vulnerável a valores discrepantes: uma única solicitação muito lenta pode puxar a média acima do limite, causando falsos alarmes. Percentis como p95 ou p99 resolvem isso descartando os piores 5% ou 1% dos pontos de dados, que geralmente são causados por pausas de coleta de lixo, falhas de rede ou partições quentes, em vez de problemas sistêmicos. Um equívoco comum é que ajustar o limite ou o período de avaliação reduzirá os falsos alarmes, mas essas alterações alteram o atraso ou a sensibilidade do alarme sem resolver o problema dos valores discrepantes em si. A chave é combinar a estatística com a métrica de experiência do usuário: para latência, o p95 é uma escolha padrão porque representa a experiência da grande maioria, ignorando picos raros. As implicações do mundo real incluem fadiga de alertas se o alarme for muito sensível e degradação não detectada se o limite ou a estatística forem muito brutos. Os períodos de avaliação controlam apenas quantos períodos consecutivos devem violar antes de disparar; eles não afetam a sensibilidade da estatística a valores discrepantes, de modo que um valor discrepante que ocorre uma vez por período ainda pode acionar o alarme se a média for usada. A configuração adequada de alarmes do CloudWatch requer uma visão holística da estatística, período, limite e períodos de avaliação, mas a estatística é a principal alavanca para filtrar valores discrepantes.

Sobre estas questões de prática

Esta é uma das questões de prática originais de SOA-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.