無限ノック › SOA 練習問題一覧 › 問題SOA 信頼性とビジネス継続性
あるメディア企業はEC2 Auto Scalingグループ（ALB統合）で動画変換ワーカーを運用しています。毎朝8時頃に処理リクエストが急増しますが、ターゲット追跡スケーリングではインスタンス起動とアプリ初期化に約10分かかり、スケールアウト完了前に処理キューが滞留してSLAを超過します。過去90日のトラフィックは明確な日次の規則性を示しています。最小の運用負荷で、需要急増の前にキャパシティを確保したいです。最も適切な方法はどれですか。
A 予測スケーリングを有効化し、過去メトリクスから日次パターンを機械学習して需要急増の前にプロアクティブにキャパシティを追加する
✓ 正解
過去メトリクスから規則的な日次パターンを学習し、需要急増の前にプロアクティブにインスタンスを追加するため、10分の起動遅延があってもキュー滞留を防げます。有効化後は自動で予測・調整するため運用負荷も最小で要件に合致します。
B ターゲット追跡スケーリングのターゲット値を引き下げ、CPU使用率がより低い段階でスケールアウトを開始するよう調整する
ターゲット値を下げてもスケールアウトの起点が早まるだけで、需要急増を検知してから起動するリアクティブ方式である点は変わりません。約10分の起動遅延は残り、急増前のキャパシティ確保ができないため不適切です。
C スケジュールされたスケーリングアクションを毎朝固定台数で設定し、需要変動に応じて担当者が台数を手動で調整する
固定台数のスケジュール設定では需要変動に追随できず、毎朝担当者が台数を見直す必要があり運用負荷が高くなります。最小の運用負荷という要件に反し、予測に基づく自動調整も行えないため適しません。
D ステップスケーリングポリシーを設定し、複数のCloudWatchアラームしきい値ごとに段階的にインスタンスを追加する
ステップスケーリングはCloudWatchアラームのしきい値超過を検知してから段階的に起動するリアクティブ方式です。急増を検知してからの起動では10分の遅延が解消されず、事前のキャパシティ確保ができません。
解説 EC2 Auto Scalingの予測スケーリングは、過去のメトリクス（CPUやキュー長など）を機械学習で分析し、規則的な日次・週次パターンに基づいて将来の需要を予測します。
需要が急増する前にプロアクティブにキャパシティを追加するため、起動・初期化に10分かかってもスケールアウトが間に合い、キュー滞留を防げます。一度有効化すれば自動で予測・調整するため運用負荷も最小です。
選択肢Bのターゲット追跡のターゲット値引き下げは、反応的（リアクティブ）スケーリングである点は変わらず、急増を検知してから起動するため10分の遅延を解消できません。
選択肢Cのスケジュールされたスケーリングは固定台数で、毎日の手動調整が必要なため運用負荷が高く、需要変動への追随も不正確です。
選択肢Dのステップスケーリングも、アラームしきい値超過を検知してから起動するリアクティブ方式であり、事前のキャパシティ確保ができません。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでSOAを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →