Ein Medienunternehmen verfügt über ein 30 TB großes Repository digitaler Nachrichtenvideos, die auf Band in einer lokalen Bandbibliothek gespeichert und von einem Media Asset Management (MAM)-System referenziert werden. Das Unternehmen möchte Videometadaten (z. B. Objekte, Szenenelemente und Gesichter) automatisch anreichern und Videos über das MAM durchsuchbar machen. Ein Gesichtskatalog mit Bildern von Personen, die in den Videos vorkommen, existiert bereits. Das Unternehmen plant, Videos zu AWS zu migrieren und verfügt über eine schnelle AWS Direct Connect-Verbindung. Das Unternehmen möchte Videodateien direkt aus seinem aktuellen Dateisystem mit dem geringsten laufenden Verwaltungsaufwand und minimalen Unterbrechungen des bestehenden Systems verschieben. Welche Lösung erfüllt diese Anforderungen?

Die korrekte Lösung nutzt AWS Storage Gateway im Dateimodus, um Videos direkt aus dem Dateisystem in S3 zu verschieben, was den Verwaltungsaufwand minimiert und die bestehende MAM-Lösung nicht stört. Eine Lambda-Funktion integriert Amazon Rekognition für die automatische Metadatenextraktion aus den S3-Objekten, die vom Dateigateway unterstützt werden. Dies erfüllt die Anforderungen an die Anreicherung von Metadaten und die Durchsuchbarkeit. Die Option mit dem Band-Gateway ist falsch, da die Videos in S3 und nicht auf virtuellen Bändern gespeichert werden sollen, um die Verarbeitung durch Rekognition zu ermöglichen. Kinesis Video Streams ist für Echtzeit-Streaming konzipiert und nicht ideal für die Migration eines großen, vorhandenen Archivs. Die EC2-Instanz mit OpenCV ist zu aufwendig und erfordert manuelles Management und Skalierung, was den geringsten Verwaltungsaufwand nicht erfüllt.