在AWS中，可以使用Auto Scaling服务来实现生产级自动扩展。下面是一个包含代码示例的解决方法：

1. 创建Launch Configuration： 首先，创建一个Launch Configuration，该配置定义了要启动的实例的配置信息，例如实例类型、AMI ID、安全组等。可以使用以下代码示例创建Launch Configuration：

   import boto3
   
   client = boto3.client('autoscaling')
   
   response = client.create_launch_configuration(
       LaunchConfigurationName='my-launch-config',
       ImageId='ami-abc123',
       InstanceType='t2.micro',
       KeyName='my-key-pair',
       SecurityGroups=['my-security-group'],
       UserData='#!/bin/bash\necho "Hello, World!" > index.html',
       InstanceMonitoring={
           'Enabled': True
       },
       EbsOptimized=False
   )
   

2. 创建Auto Scaling组： 接下来，创建一个Auto Scaling组，该组定义了实例的扩展和缩减策略。可以使用以下代码示例创建Auto Scaling组：

   response = client.create_auto_scaling_group(
       AutoScalingGroupName='my-asg',
       LaunchConfigurationName='my-launch-config',
       MinSize=1,
       MaxSize=5,
       DesiredCapacity=2,
       VPCZoneIdentifier='subnet-abc123',
       Tags=[
           {
               'Key': 'Name',
               'Value': 'my-instance',
               'PropagateAtLaunch': True
           },
       ],
       HealthCheckType='ELB',
       HealthCheckGracePeriod=300,
   )
   

3. 创建扩展和缩减策略： 最后，创建扩展和缩减策略，以定义Auto Scaling组如何根据负载变化自动扩展或缩减实例数量。可以使用以下代码示例创建扩展和缩减策略：

   response = client.put_scaling_policy(
       AutoScalingGroupName='my-asg',
       PolicyName='my-scale-out-policy',
       PolicyType='TargetTrackingScaling',
       TargetTrackingConfiguration={
           'PredefinedMetricSpecification': {
               'PredefinedMetricType': 'ASGAverageCPUUtilization'
           },
           'TargetValue': 70
       }
   )
   
   response = client.put_scaling_policy(
       AutoScalingGroupName='my-asg',
       PolicyName='my-scale-in-policy',
       PolicyType='SimpleScaling',
       AdjustmentType='ChangeInCapacity',
       ScalingAdjustment=-1,
       Cooldown=300
   )
   

以上代码示例展示了如何通过Boto3库使用Python创建AWS Auto Scaling相关的资源和策略。根据实际需求，可以调整参数和策略来满足自己的要求。