一家电信公司每秒收集数千个网络使用数据点，并实时处理这些数据点，将结果聚合并存储在 Amazon Aurora DB 实例中。使用量突然下降通常表示中断，公司需要以尽可能低的延迟检测这些下降并立即响应。哪种解决方案能提供最低延迟的检测？

正确答案是修改处理应用程序以将数据发布到 Amazon Kinesis data stream，并创建 Amazon Managed Service for Apache Flink 应用程序来检测网络使用量下降。这是因为 Kinesis Data Streams 和 Apache Flink 能够提供近乎实时的流式数据处理，从而实现最低的延迟检测。当数据点以每秒数千个的速度生成时，流处理是检测异常和中断的最有效方法。 其他选项的延迟较高： 使用 Lambda 函数每分钟查询 Aurora 会引入至少一分钟的延迟，这不符合“尽可能低的延迟”要求。 将 Aurora 替换为 DynamoDB 并使用 Lambda 每分钟查询，同样会引入延迟，并且 DAX 主要用于读取性能提升，对实时写入和分析无直接帮助。 在 Aurora 的 Database Activity Streams 中创建 Lambda 函数虽然可以捕获数据库活动，但它主要用于审计和安全，而不是实时流式分析，且其设计目的并非用于低延迟的网络使用量下降检测。