Resposta correta
- ACriar uma métrica personalizada do CloudWatch para a utilização de memória e configurar uma política de escala baseada em rastreamento de destino usando essa métrica.
Explicação
Aborda diretamente o gargalo de memória ao criar uma métrica personalizada do CloudWatch para a utilização de memória e usar uma política de escala baseada em rastreamento de destino (target tracking). Isso permite que o grupo do Auto Scaling ajuste automaticamente a capacidade com base na pressão real de memória, que é o problema real de desempenho. A opção B (escala manual) não é automatizada e pode levar ao provisionamento excessivo ou insuficiente. A opção C (escala por etapas com CPU) não resolve o problema de memória, e um período de cooldown (resfriamento) mais amplo apenas atrasaria a escala. A opção D (alterar o tipo de instância) é uma medida reativa que não fornece escala dinâmica e pode aumentar os custos sem eliminar a necessidade de políticas de escala.
Para se aprofundar
O Amazon EC2 não expõe a utilização de memória do sistema operacional convidado (guest-OS) nas métricas padrão do CloudWatch, portanto, um administrador de sistemas deve instalar o agente unificado do CloudWatch em cada instância e publicar uma métrica de memória (por exemplo, mem_used_percent ou memória usada em bytes) em um namespace personalizado. Para o Auto Scaling com uma política de rastreamento de destino, a métrica personalizada deve ser estruturada como um agregado válido em todo o grupo, normalmente emitindo a métrica com a dimensão AutoScalingGroupName e usando uma estatística como Average para que a política possa comparar o valor de todo o grupo com o destino. As políticas de escala de rastreamento de destino são autoajustáveis: elas criam e gerenciam automaticamente os alarmes do CloudWatch necessários e calculam a capacidade desejada usando uma resposta proporcional ou em etapas, simplificando assim as operações. Uma sutileza é que o valor de destino escolhido deve ser realista para o aplicativo, porque se o destino for muito baixo, o grupo fará o provisionamento excessivo e, se for muito alto, as instâncias poderão rodar no limite antes que novas instâncias sejam iniciadas. Outro equívoco comum é que você pode simplesmente usar a métrica CPUUtilization do EC2 com uma política de rastreamento de destino para todas as cargas de trabalho; para aplicativos limitados por memória (memory-bound), essa abordagem falhará exatamente quando a pressão de memória atingir o pico enquanto a CPU permanecer baixa. Ao implementar uma métrica de memória personalizada e acoplá-la a uma política de rastreamento de destino, as decisões de escala refletem a restrição real de recursos e a frota corresponde automaticamente à curva de demanda.
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.