Um fornecedor de segurança recebe telemetria a cada 30 segundos de milhares de endpoints globais. Os registros têm aproximadamente 1 KB com 50 campos. Os dados são ingeridos no Kinesis Data Streams, e resumos horários devem ser produzidos para consultas Athena que lerão de 7 a 12 campos. Qual abordagem exige a menor customização para transformar e armazenar os dados ingeridos?

A opção correta é usar o Kinesis Data Analytics porque ele é projetado para processamento em tempo real e agregação de dados de streaming com SQL padrão, exigindo pouca customização para agregações horárias. Ele pode enviar os resultados diretamente para o Kinesis Data Firehose para armazenamento eficiente no S3. As outras opções são menos ideais: Usar AWS Lambda para ler e agregar a cada hora introduz complexidade de orquestração e gerenciamento de estado para agregações contínuas, além de ser menos eficiente para processamento de streaming contínuo. Usar Kinesis Data Firehose para ler e agregar, e lançar um cluster Amazon EMR, é excessivamente complexo e caro para uma tarefa de agregação horária relativamente simples, além de não ser a ferramenta principal do Firehose para agregação. Usar Kinesis Data Firehose para ler e agregar, e aplicar transformações com AWS Lambda, é uma abordagem possível, mas o Kinesis Data Analytics é mais otimizado para agregações contínuas e complexas em tempo real, exigindo menos código e manutenção.