Ein Sicherheitsanbieter empfängt alle 30 Sekunden Telemetriedaten von Tausenden globaler Endpunkte. Die Datensätze sind ca. 1 KB groß und enthalten 50 Felder. Die Daten werden in Kinesis Data Streams aufgenommen, und es müssen stündliche Zusammenfassungen für Athena-Abfragen erstellt werden, die 7–12 Felder lesen. Welcher Ansatz erfordert die geringste Anpassung, um die aufgenommenen Daten zu transformieren und zu speichern?

Die korrekte Antwort ist Kinesis Data Analytics, da es speziell für die Echtzeitverarbeitung und Aggregation von Streaming-Daten konzipiert ist. Es kann stündliche Aggregationen direkt auf dem Kinesis Data Stream durchführen und die transformierten Zusammenfassungen über Kinesis Data Firehose an S3 senden, was die geringste Anpassung erfordert. Die Option, AWS Lambda stündlich zum Lesen und Aggregieren zu verwenden, ist weniger effizient für kontinuierliche Streaming-Daten und würde mehr benutzerdefinierte Logik erfordern. Kinesis Data Firehose kann zwar Daten in S3 speichern und Transformationen mit Lambda durchführen, ist aber nicht primär für komplexe stündliche Aggregationen über einen Stream hinweg gedacht. Die Verwendung eines kurzlebigen Amazon EMR-Clusters für stündliche Aggregationen wäre überdimensioniert und würde eine höhere betriebliche Komplexität und Kosten verursachen als Kinesis Data Analytics für diesen Anwendungsfall.