Uma empresa transmite dados de sensores IoT sobre o tráfego da cidade para o Amazon Kinesis Data Streams. Várias aplicações consomem do stream, mas vários consumidores estão sendo limitados e recebem erros de ReadProvisionedThroughputExceeded. Quais ações o arquiteto de soluções deve tomar para resolver a limitação? (Escolha três.)

Aumentar o número de shards no Kinesis Data Streams é a ação mais direta para resolver o erro ReadProvisionedThroughputExceeded, pois cada shard fornece uma capacidade de leitura e escrita. Usar consumidores com enhanced fan-out é uma solução eficaz porque cada consumidor obtém um throughput dedicado de 2 MB/s por shard, eliminando a contenção de throughput entre consumidores. Implementar uma estratégia de repetição de erro com exponential backoff nas aplicações consumidoras é uma boa prática para lidar com falhas transitórias e evitar sobrecarregar o serviço, melhorando a resiliência. Diminuir o número de shards reduziria a capacidade, piorando o problema. A Kinesis Producer Library (KPL) é para produtores, não consumidores, e ajustar a frequência de polling não resolve a limitação de throughput. O particionamento dinâmico não é um recurso nativo do Kinesis Data Streams para resolver problemas de throughput de leitura.