Ein produzierendes Unternehmen muss Sensordaten nahezu in Echtzeit erfassen, sie im verschachtelten JSON-Format speichern und Abfragen mit einer Latenz von unter 10 Millisekunden unterstützen. Die Lösung sollte einen minimalen Betriebsaufwand erfordern. Welche Architektur erfüllt diese Anforderungen?

Die korrekte Lösung verwendet Amazon Kinesis Data Streams zur nahezu Echtzeit-Erfassung von Sensordaten und Amazon DynamoDB zur Speicherung und Abfrage. Kinesis Data Streams ist ideal für die Verarbeitung großer Mengen von Streaming-Daten mit geringer Latenz. DynamoDB ist eine NoSQL-Datenbank, die verschachtelte JSON-Daten effizient speichert und Abfragen mit Latenzen im Millisekundenbereich unterstützt, was den Anforderungen an die Abfragelatenz entspricht. Der Betriebsaufwand ist minimal, da beides vollständig verwaltete AWS-Services sind. Ein selbst gehosteter Apache Kafka-Cluster erfordert hohen Betriebsaufwand. AWS Lambda und Amazon S3 sind für Echtzeitabfragen mit geringer Latenz ungeeignet, da S3 keine Datenbank ist. Amazon SQS ist ein Messaging-Dienst, keine Streaming-Plattform, und Amazon RDS ist eine relationale Datenbank, die für verschachtelte JSON-Daten und extrem niedrige Latenz bei hohem Durchsatz weniger optimiert ist als DynamoDB.