Um banco ingere dados brutos de transações de um stream de dados do Amazon Kinesis. A solução deve calcular médias móveis a partir do stream, armazenar esses recursos no SageMaker Feature Store e servi-los a modelos em tempo quase real. Qual design atende a esses requisitos?

A opção correta utiliza o Kinesis Data Analytics para calcular médias móveis em tempo real diretamente do stream de dados. O Kinesis Data Analytics é ideal para processamento contínuo de streams, como agregações e janelas deslizantes. A função Lambda atua como um conector eficiente, pegando os resultados processados e publicando-os no SageMaker Feature Store como um grupo de recursos online, que é otimizado para acesso em tempo quase real. As outras opções são menos eficientes ou não atendem aos requisitos de tempo quase real: Enviar para o S3 e usar SageMaker Processing introduz latência e não é um processamento contínuo em tempo quase real. O Feature Store não calcula médias móveis internamente; ele armazena e serve recursos. A API GetRecord é para recuperação de registros, não para computação. Usar um grupo de recursos offline e calcular no momento da consulta não atende ao requisito de servir recursos pré-calculados em tempo quase real.