Uma empresa de mídia possui um repositório de 30 TB de vídeos de notícias digitais armazenados em fita em uma biblioteca de fitas on-premises e referenciados por um sistema de Gerenciamento de Ativos de Mídia (MAM). A empresa deseja enriquecer automaticamente os metadados de vídeo (por exemplo, objetos, itens de cenário e rostos) e tornar os vídeos pesquisáveis via MAM. Um catálogo de rostos já existe com imagens de pessoas que aparecem nos vídeos. A empresa planeja migrar os vídeos para a AWS e possui um link AWS Direct Connect de alta velocidade. A empresa deseja mover arquivos de vídeo diretamente de seu sistema de arquivos atual com o menor overhead de gerenciamento contínuo e mínima interrupção no sistema existente. Qual solução atende a esses requisitos?

A opção correta utiliza o AWS Storage Gateway File Gateway para migrar os vídeos de forma eficiente e com baixa sobrecarga, pois ele permite que o sistema MAM existente grave diretamente em um compartilhamento de arquivos local que é automaticamente replicado para o Amazon S3. O Amazon Rekognition, com uma coleção de rostos pré-existente, é a ferramenta ideal para enriquecer os metadados de vídeo (objetos, cenas, rostos). Uma função AWS Lambda orquestra o processamento do Rekognition nos vídeos no S3 e envia os metadados de volta para o MAM, atendendo aos requisitos de automação e pesquisa. A opção de Tape Gateway está incorreta porque os dados estão em um sistema de arquivos, não em fitas virtuais. O Kinesis Video Streams é para ingestão de vídeo em tempo real, não para migração de um repositório existente de 30 TB. A solução com EC2 e OpenCV é manual, de alto gerenciamento e não escalável para 30 TB, além de não ser a forma mais eficiente de usar serviços AWS para essa tarefa.