Uma empresa comprou dispositivos de vários fornecedores. Cada dispositivo possui sensores IoT que enviam mensagens de status no formato proprietário de cada fornecedor para um aplicativo legado que as analisa em JSON. A análise é simples, mas específica do fornecedor. Uma vez por dia, o aplicativo analisa todos os registros JSON e os grava em um banco de dados relacional para análise. A empresa deseja um novo design de análise de dados que seja mais rápido e econômico. Qual solução atende a esses requisitos?

A solução correta utiliza AWS IoT Core para ingestão de mensagens dos sensores, permitindo a análise em tempo real e a conversão de formatos proprietários para um formato padronizado (CSV) via AWS Lambda. O armazenamento no Amazon S3 é econômico e escalável, e o AWS Glue cataloga os dados para consulta eficiente com Amazon Athena, que é serverless e paga-se por consulta. O Amazon QuickSight oferece visualização de dados. Esta abordagem é mais rápida e econômica porque processa dados em streaming, evita a necessidade de um banco de dados relacional para ingestão inicial e utiliza serviços serverless. A opção de migrar para AWS Fargate não resolve a conversão de formato proprietário e o Redshift pode ser caro para ingestão de dados em tempo real. A opção SFTP exige modificação dos sensores e não é ideal para streaming de IoT. A opção Snowball Edge é para grandes volumes de dados offline e não para análise em tempo real.