Die Maschinensensoren eines produzierenden Unternehmens laden .csv-Dateien in einen Amazon S3-Bucket hoch. Jede .csv-Datei muss so schnell wie möglich in ein Bild umgewandelt werden, um automatische grafische Berichte zu erstellen. Bilder werden nach 1 Monat irrelevant, aber die .csv-Dateien müssen aufbewahrt werden, um zweimal im Jahr Modelle für maschinelles Lernen zu trainieren. Die ML-Trainings und Audits werden Wochen im Voraus geplant. Welche Kombination von Schritten erfüllt diese Anforderungen am KOSTENGÜNSTIGSTEN? (Wählen Sie zwei.)

Die AWS Lambda-Funktion ist eine kostengünstige und serverlose Lösung, die automatisch ausgelöst wird, wenn eine neue .csv-Datei in S3 hochgeladen wird. Dies erfüllt die Anforderung, die Konvertierung "so schnell wie möglich" durchzuführen, ohne Server verwalten oder für Leerlaufzeiten bezahlen zu müssen. S3 Lifecycle-Regeln sind die kostengünstigste Methode zur Verwaltung der Speicherung. Das Verschieben der .csv-Dateien nach S3 Glacier nach 1 Tag ist ideal, da sie selten (zweimal jährlich) für ML-Training benötigt werden und Glacier die günstigste Langzeitspeicheroption ist. Das Ablaufenlassen der Bilddateien nach 30 Tagen spart Kosten, da sie danach irrelevant sind. Eine EC2 Spot Instance wäre teurer und weniger reaktiv, da sie stündlich abfragen müsste und nicht sofort auf Uploads reagiert. S3 One Zone-IA oder S3 Standard-IA für .csv-Dateien sind teurer als Glacier für seltenen Zugriff. Reduced Redundancy Storage (RRS) ist eine veraltete und teurere Option für Bilder im Vergleich zum einfachen Ablaufenlassen.