某公司从多个供应商处购买了设备。每个设备都有物联网传感器，这些传感器以每个供应商的专有格式向一个传统应用程序发送状态消息，该应用程序将这些消息解析为JSON。解析过程很简单，但具有供应商特异性。该应用程序每天解析所有JSON记录一次，并将其写入关系数据库进行分析。该公司希望采用一种更快、更具成本效益的新数据分析设计。哪种解决方案符合这些要求？

正确答案提供了一个无服务器、经济高效且可扩展的解决方案。AWS IoT Core可以处理来自大量设备的物联网消息，IoT规则和Lambda函数可以灵活地处理供应商特定的解析逻辑。将数据存储在Amazon S3中，结合AWS Glue进行编目和Amazon Athena进行查询，形成了一个强大的数据湖架构，非常适合分析。Amazon QuickSight提供了可视化功能。 将解析应用程序迁移到AWS Fargate并使用Amazon Redshift会增加运营复杂性和成本，因为Fargate需要管理容器，而Redshift是数据仓库服务，对于这种初始解析和存储可能过于重量级。 部署AWS Transfer for SFTP服务器并修改IoT传感器不切实际，因为物联网传感器通常不支持SFTP协议，并且修改大量传感器成本高昂。 使用AWS Snowball Edge进行本地数据收集和设备端分析不符合“更快”和“更具成本效益”的要求，因为它引入了额外的硬件和复杂性，并且Snowball Edge主要用于大规模数据迁移，而非实时或近实时物联网数据流。