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?
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.
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.