解説

予測スケーリングは機械学習を使って過去のメトリクスから将来のトラフィックを予測し、需要が増加する前にあらかじめスケールアウトします。朝のアクセス集中・週末のトラフィック増加など周期的なパターンに対して特に効果的です。 選択肢Aの突発的で予測不能なスパイクにはターゲットトラッキングポリシーやステップスケーリングポリシーが適しています。 選択肢Cの単一インスタンスの障害回復はAuto Scalingのヘルスチェック機能が担当する領域であり、スケーリングポリシーとは別の仕組みです。 選択肢Dのスケールイン最適化にはターゲットトラッキングポリシーのクールダウン設定やスケールイン保護が有効です。