一个洪水监测机构拥有超过 10,000 个传感器，这些传感器持续发送小于 1 MB 的更新。本地应用服务器接收传感器更新，将其转换为人类可读的记录，并将结果写入本地关系数据库。分析师对实时数据运行简单的 SQL 查询。由于维护（补丁/更新），这些服务器会出现停机，当一台服务器停机时，其余服务器无法处理负载，导致数据丢失。该机构希望提高可用性并降低运营工作量和成本。架构师建议使用 AWS IoT Core 摄取传感器数据。架构师还应推荐哪些额外设计来满足要求？

正确答案通过将数据发送到 Kinesis Data Firehose 来实现高可用性和低运营开销，Firehose 可以自动扩展并处理大量数据。使用 Lambda 将数据转换为 Apache Parquet 格式并存储在 Amazon S3 中，可以优化存储成本和查询性能。分析师使用 Amazon Athena 直接查询 S3 中的 Parquet 数据，无需管理数据库实例，进一步降低了运营工作量和成本，并支持实时查询。 选项A和C涉及将数据写入关系型数据库（Amazon Aurora MySQL），这会增加运营复杂性和成本，并且对于仅运行简单SQL查询的分析师来说，可能不是最经济高效的解决方案。选项D虽然也使用了Apache Flink，但对于这种简单的转换和存储需求，Kinesis Data Firehose结合Lambda通常是更简单、更经济的选择，因为它提供了更低的运营开销。