一家金融公司每秒接收数千条 JSON 市场数据记录，需要一个可扩展且运维开销最小的 AWS 解决方案，以实时检测异常数据点。哪种设计符合这些要求？

正确答案利用了 Kinesis Data Streams 的实时数据摄取能力，以及 Amazon MSK for Apache Flink 的强大流处理功能。Apache Flink 内置的 RANDOMCUTFOREST 函数可以直接在流数据上执行实时异常检测，无需部署和管理额外的机器学习模型或推理端点，从而最大限度地减少了运维开销。 其他选项的不足之处： 部署 SageMaker 端点虽然可行，但会增加额外的管理复杂性和成本，不符合“运维开销最小”的要求。 在 EC2 上运行 Apache Kafka 需要手动管理集群，运维开销高，不符合托管服务的要求。 SQS FIFO 队列主要用于消息传递，不适合高吞吐量的实时流数据处理，且批量 ETL 作业无法满足实时异常检测的需求。