Die Data Scientists eines Unternehmens nutzen Amazon SageMaker, um Daten aus einem Amazon S3-Bucket zu lesen, zu verarbeiten und in diesen zu schreiben. Jedes Projekt hat ein dediziertes S3-Präfix, und Bucket-Richtlinien schränken den Zugriff nach Präfix ein. Projekte dauern bis zu 60 Tage, und das Sicherheitsteam verlangt, dass Daten nach Projektende nicht in S3 verbleiben. Was ist die KOSTENGÜNSTIGSTE Lösung?

Die Erstellung einer S3-Lifecycle-Regel ist die kostengünstigste und effizienteste Lösung. S3-Lifecycle-Regeln sind eine native S3-Funktion, die es ermöglicht, Objekte nach einer bestimmten Zeit automatisch zu löschen oder in eine andere Speicherklasse zu überführen, ohne dass zusätzliche Rechenressourcen oder Code erforderlich sind. Da jedes Projekt ein dediziertes S3-Präfix hat, können die Regeln präzise angewendet werden. Eine AWS Lambda-Funktion würde zusätzliche Kosten für die Ausführung und Entwicklung verursachen. Das Erstellen eines neuen S3-Buckets mit S3 Intelligent-Tiering und das Kopieren von Objekten ist nicht nur teurer, sondern auch unnötig komplex, da die Daten nach 60 Tagen gelöscht werden sollen und nicht nur in eine andere Speicherklasse verschoben werden. Die Kombination von Lambda und S3 Intelligent-Tiering wäre ebenfalls zu aufwendig und kostspielig für diese Anforderung.