Uma empresa executa um aplicativo web de marketplace online que atende centenas de milhares de usuários no pico. A empresa precisa de uma solução escalável e quase em tempo real para compartilhar milhões de transações financeiras com vários aplicativos internos. As transações devem ser processadas para remover dados confidenciais antes de serem armazenadas em um banco de dados de documentos para recuperação de baixa latência. O que um arquiteto de soluções deve recomendar?

A opção correta utiliza o Amazon Kinesis Data Streams para ingestão de dados em tempo real e escalável, ideal para milhões de transações. A integração com o AWS Lambda permite processar e remover dados confidenciais de forma eficiente antes que os dados sejam armazenados no Amazon DynamoDB, que oferece recuperação de baixa latência para o banco de dados de documentos. Além disso, o Kinesis Data Streams permite que múltiplos aplicativos consumam os dados simultaneamente, atendendo ao requisito de compartilhamento. A primeira opção está incorreta porque o DynamoDB não é projetado para remover dados confidenciais na gravação de forma nativa e eficiente em escala, e o DynamoDB Streams é mais para replicação de alterações do que para processamento em tempo real de dados brutos. A segunda opção usa Kinesis Data Firehose, que é mais adequado para entrega de dados para destinos de armazenamento, e a remoção de dados confidenciais via Lambda seria mais complexa de gerenciar para cada transação individualmente antes do armazenamento. A quarta opção envolve processamento em lote no Amazon S3, o que não atende ao requisito de "quase em tempo real".