ある大手小売企業のBIチームは、Amazon Redshiftクラスター上で複数の部門（営業・財務・マーケティング）が同時に複雑な分析クエリを実行しています。月次決算期間（月末3営業日）には同時クエリ数が通常の5倍に跳ね上がり、クエリのキュー待ち時間が30分を超えることがあります。通常時は現在のクラスター容量で十分対応できています。最小コストでピーク時のパフォーマンス問題を解決するにはどうすればよいですか？
Concurrency Scaling（同時実行スケーリング）を有効にし、同時クエリ数が急増した際に自動的にクラスターキャパシティを追加する。 Concurrency Scalingは、同時クエリ数が増加した際に追加のRedshiftクラスターを自動起動し、ピーク時のみキャパシティを拡張します。使用した時間分のみ課金され（Redshiftクラスターあたり1日最大1時間は無料クレジット付き）、月末3日間だけの需要に対して最もコスト効率の高い解決策です。 選択肢Aは、ノード数を永続的に5倍に増やすと、ピーク時以外の通常時も過剰なコストが発生し続けるため、コスト最適化の観点で不適切です。 選択肢Cは、Amazon EMRはApache SparkやHadoopなどのビッグデータ処理フレームワーク向けサービスであり、RedshiftのSQLクエリを直接受け取ってオフロード処理することはできません。 選択肢Dは、WLMはクエリの優先度やキューの割り当てを管理できますが、クラスターの物理的な処理キャパシティ自体は増加しないため、根本的な待ち時間の問題は解決されません。