Ein Transportunternehmen sammelt täglich etwa 100 GB neuer Bilder von Lastwagen weltweit. Es möchte ML-Anwendungsfälle untersuchen und sicherstellen, dass nur bestimmte IAM-Benutzer auf die Daten zugreifen können. Welche Speicheroption bietet die größte Flexibilität für die Verarbeitung und ermöglicht die Zugriffskontrolle über IAM?

Die korrekte Antwort ist die Verwendung eines Amazon S3-basierten Data Lakes, da S3 eine hochskalierbare und kostengünstige Speicherlösung für unstrukturierte Daten wie Bilder ist. S3 ermöglicht die feingranulare Zugriffskontrolle über IAM-Richtlinien und Bucket-Richtlinien, was die Anforderung erfüllt, den Zugriff auf bestimmte IAM-Benutzer zu beschränken. Zudem bietet S3 die größte Flexibilität für die spätere ML-Verarbeitung, da es nahtlos mit vielen AWS ML-Diensten integriert ist. DynamoDB ist eine NoSQL-Datenbank, die für Schlüssel-Wert- und Dokumentdaten optimiert ist, aber nicht für die effiziente Speicherung großer Binärdateien wie Bilder geeignet ist. HDFS auf EMR ist eine Option für Big-Data-Verarbeitung, aber S3 ist die bevorzugte Wahl für Data Lakes in AWS aufgrund seiner Skalierbarkeit, Kosten und Integration. Amazon EFS ist ein skalierbarer Dateispeicher für EC2-Instanzen, aber S3 ist besser für die Speicherung großer Mengen unstrukturierter Daten und die Integration in einen Data Lake geeignet.