Uma plataforma de IoT ingere dados de sensores via servidores de API Node.js em instâncias EC2, atrás de um Application Load Balancer, e os armazena em uma instância RDS MySQL em um único SSD de uso geral de 4 TB. A contagem de sensores está crescendo; os servidores de API estão sobrecarregados e o RDS apresenta alta latência de escrita. Quais duas ações juntas fornecem uma resolução permanente, escalável e econômica à medida que mais sensores são adicionam?

A solução atual enfrenta gargalos de escalabilidade tanto na ingestão de dados quanto no banco de dados. O Amazon Kinesis Data Streams é ideal para ingestão de dados de alta taxa de transferência de sensores, desacoplando a ingestão do processamento e permitindo escalabilidade elástica. O AWS Lambda pode processar esses dados de forma assíncrona e sem servidor. Re-arquitetar a camada de banco de dados para Amazon DynamoDB resolve a alta latência de escrita e a escalabilidade do RDS MySQL. O DynamoDB é um banco de dados NoSQL totalmente gerenciado, projetado para cargas de trabalho de alta performance e escalabilidade massiva, ideal para dados de IoT com padrões de escrita intensivos. Aumentar o volume do MySQL para 6 TB não resolve o problema fundamental de escalabilidade do RDS para cargas de escrita intensivas e contínuas. Usar o AWS X-Ray é para monitoramento e solução de problemas, não uma solução de escalabilidade. Adicionar mais servidores de API sem resolver o gargalo do banco de dados apenas move o problema para o RDS.