Uma equipe de ciências biológicas gera cerca de 200 GB por genoma a partir de sequenciadores. Eles executam de 10 a 15 tarefas por dia. Cada tarefa pode levar várias horas com computação ideal. Os dados de sequenciamento são armazenados em uma SAN on-prem e a empresa tem um link AWS Direct Connect de alta velocidade. Os resultados finais devem ser armazenados no Amazon S3. A equipe deseja mover a plataforma de análise genômica para a AWS para escalar com a demanda e reduzir o tempo de resposta. Qual solução atende a esses requisitos?

A opção correta utiliza o AWS DataSync para transferir dados da SAN on-prem para o S3 de forma eficiente, aproveitando o Direct Connect. Eventos do S3 acionam uma função Lambda, que por sua vez inicia um fluxo de trabalho do AWS Step Functions, orquestrando o processamento. O AWS Batch é ideal para executar tarefas computacionalmente intensivas e de longa duração em contêineres Docker armazenados no Amazon ECR, escalando conforme a demanda. As outras opções são menos adequadas: AWS Snowball Edge é para transferências de dados em larga escala ou em locais sem conectividade, não para transferências diárias com Direct Connect. AWS Data Pipeline é uma ferramenta de orquestração de dados mais antiga e menos flexível que o Step Functions para este cenário complexo. AWS Storage Gateway (file gateway) é para acesso a arquivos no S3 como se estivessem on-prem, não para mover dados para processamento e depois acionar o Batch diretamente via S3 events (o Batch precisaria de uma orquestração mais robusta).