Q29 — AWS SAA-C03 第15章

第 29/100 题 | ← 返回第15章

Q1129. 一家公司在 AWS 上托管一个公共 Web 应用程序。该网站采用三层架构。前端 Web 层由 Auto Scaling 组中的 Amazon EC2 实例组成。应用程序层是第二个 Auto Scaling 组。数据库层是 Amazon RDS 数据库。该公司已配置 Auto Scaling 组来处理应用程序的正常需求水平。在需求意外激增期间，该公司注意到前端和应用程序层扩展时启动时间出现较长的延迟。该公司需要在不影响用户体验的前提下提升应用程序的扩展性能。哪种解决方案能够最经济有效地满足这些要求?

• A. 减少两个 Auto Scaling 组的 EC2 实例的最小数量。增加所需的实例数量以满足峰值需求。
• B. 将两个 Auto Scaling 组的最大实例数配置为满足峰值需求所需的数量。创建一个温池。 ✓
• C. 增加两个 Auto Scaling 组的最大 EC2 实例数量，以满足正常需求。创建一个温池。
• D. 重新配置两个 Auto Scaling 组以使用计划扩展策略。增加 EC2 实例类型和 RDS 实例类型的大小。

正确答案: B. 将两个 Auto Scaling 组的最大实例数配置为满足峰值需求所需的数量。创建一个温池。

解析

在需求意外激增的情况下，能够满足提高应用程序扩展性能的要求，同时又不会对用户体验产生负面影响的解决方案是:B. 将两个 Auto Scaling 组的最大实例数配置为满足峰值需求所需的数量。创建一个温池。解释:温池:温池允许您保留一组预先初始化的实例，以便快速部署。与从头启动实例相比，这显著缩短了启动时间，这在需求意外激增时至关重要。最大实例数:通过配置最大实例数以满足峰值需求，您可以确保 Auto Scaling 组能够在需求增加时快速响应，而不必等待新实例完全初始化。为什么其他选择不适合:A.降低最小实例数可能会导致高峰需求时容量不足，从而增加延迟的风险并对用户体验产生负面影响。C:虽然增加最大实例数和创建热池是有益的，但如果需求超过可用的热实例数，则简单地增加最大实例数而不确保它们可以处理峰值需求仍可能导致延迟。D:使用计划扩展策略和增加实例大小并不能满足意外峰值期间更快扩展的迫切需求，并且可能会不必要地增加成本，而不会提高响应能力。因此，选项 B 为提高应用程序的扩展性能提供了最有效且最具成本效益的解决方案。