單項選擇題

解決方案架構師正在將10 TB PostgreSQL數據庫遷移到Amazon RDS for PostgreSQL。該公司的Internet鏈接為50 MB，在Amazon VPC中具有VPN，并且解決方案架構師需要在過渡之前遷移數據并同步更改。轉換必須在8天之內進行。安全和可靠地遷移數據庫的最小復雜方法是什么？（）

A.訂購一個AWS Snowball設備并使用AWS DMS復制數據庫。如果數據庫在Amazon 3中可用，請使用AWS DMS將其加載到Amazon RDS，并配置作業(yè)以在轉換之前同步更改。
B.創(chuàng)建一個AWS DMS作業(yè)，以將數據從本地連續(xù)復制到AWS。數據同步后切換到Amazon RDS
C.訂購一個AWS Snowball設備并將數據庫轉儲復制到該設備。將數據復制到Amazon S3之后，將其導入到Amazon RDS實例。設置VPN上的日志傳送，以在切換前同步更改。
D.訂購AWS Snowball設備并使用AWS Schema Conversion Tool復制數據庫。當數據在Amazon S3中可用時，請使用AWS DMS將其加載到Amazon RDS，并配置作業(yè)以在轉換之前同步更改

你可能感興趣的試題

單項選擇題

一家銀行正在將其基于大型機的信用卡批準處理應用程序重新架構為AWS云上的云應用程序。在峰值負載下，新應用程序每秒將接收多達1，000個請求。每個事務有多個步驟，并且每個步驟都必須接收上一步的結果。整個請求必須在不到2秒的時間內返回授權響應，且數據丟失為零。每個請求都必須收到響應。該解決方案必須符合支付卡行業(yè)數據安全標準（PCI DSS）。哪個選項可以以最低的復雜度和最低的成本滿足銀行的所有目標，同時又滿足合規(guī)性要求？（）

A.使用一個AWS Lambda任務創(chuàng)建一個Amazon API Gateway來處理入站請求，該任務執(zhí)行多個步驟并以批準狀態(tài)拒絕JSON對象。打開一個支持案例以增加并發(fā)Lambda數的限制，以便為由于新應用程序而導致的突發(fā)事件留出空間
B.在目標組中的Amazon EC2專用實例上創(chuàng)建具有Amazon ECS集群的Application Load Balancer，以處理傳入請求。使用Auto Scaling可根據平均CPU使用率來擴展/擴展群集。部署處理所有批準步驟并返回帶有批準狀態(tài)的JSON對象的Web服務
C.在專用實例上的Amazon EC2上部署應用程序。在Auto Scaling組中的應用程序服務器場前面使用Elastic Load Balancer來處理傳入的請求。在測量單個實例的容量之后，基于自定義的Am azon CloudWatch指標針對每秒的入站請求數進行擴展
D.創(chuàng)建一個Amazon API Gateway，以使用一系列AWS Lambda流程處理入站請求，每個流程都有一個Amazon SQS輸入隊列。每一步完成時，它會將結果寫入下一步的隊列。最后一步返回帶有批準狀態(tài)的JSON對象。打開一個支持案例以增加并發(fā)Lambda數的限制，以便為由于新應用程序而導致的突發(fā)事件留出空間

單項選擇題

拍賣網站使用戶可以對收藏品進行競標。拍賣規(guī)則要求每個出價只能按照收到的順序處理一次。當前實施基于一組Amazon EC2 Web服務器，這些服務器將出價記錄寫入Amazon Kinesis Data Streams。大型實例有一個cron作業(yè)，它運行出價處理器，該處理器從Kinesis Data Streams讀取傳入的出價并處理每個出價。拍賣網站越來越受歡迎，但是用戶抱怨有些出價沒有注冊。故障診斷表明出價處理器在需求高峰時段過慢，有時在處理過程中崩潰，并偶爾失去對正在處理的記錄的跟蹤。哪些更改應使投標處理更加可靠？（）

A.將出價發(fā)布到Kinesis Data Streams時，重構Web應用程序以使用Amazon Kinesis Producer庫（KPL）。重構出價處理器，以將Kinesis數據流中的每個記錄標記為未讀，處理和處理。在每次投標處理運行開始時，掃描Kinesis數據流以查找未處理的記錄
B.重構Web應用程序，以將每個傳入的出價發(fā)布到Amazon SNS主題上，代替Kinesis Data Streams。配置SNS主題以觸發(fā)AWS Lambda函數，該函數會在用戶提交出價后立即對其進行處理
C.重構Web應用程序以將每個傳入的出價發(fā)布到Amazon SQS FIFO隊列中，以代替Kinesis Data Streams。重構出價處理器以連續(xù)地SQS隊列。將出價處理EC2實例放置在Auto Scaling組中，最小和最大大小為1
D.從t2切換EC2實例類型。大到較大的一般計算實例類型。根據Kinesis Data Streams中的“傳入記錄”度量標準，將出價處理器EC2實例放入一個Auto Scaling組中，該組可以擴展運行出價處理器的EC2實例的數量