Ein Unternehmen hat eine Bildanalyseanwendung entwickelt, bei der Benutzer Fotos hochladen und Fotorahmen auswählen. Derzeit verwendet es eine einzige Amazon EC2-Instance und Amazon DynamoDB für Metadaten. Der Benutzerverkehr variiert erheblich je nach Tageszeit, und die Anzahl der gleichzeitig aktiven Benutzer wird steigen. Das Unternehmen muss sicherstellen, dass die Anwendung skaliert werden kann, um die Nachfrage zu decken. Welche Lösung erfüllt diese Anforderungen?

Die korrekte Lösung nutzt AWS Lambda für die Bildverarbeitung, da es serverlos ist und automatisch skaliert, um variable Lasten zu bewältigen, ohne dass Server verwaltet werden müssen. Amazon S3 ist die ideale Wahl für die Speicherung von Fotos aufgrund seiner hohen Skalierbarkeit, Haltbarkeit und Kosteneffizienz für statische Inhalte. DynamoDB ist weiterhin geeignet für Metadaten, da es eine hochperformante, skalierbare NoSQL-Datenbank ist. Die Option, Fotos und Metadaten in DynamoDB zu speichern, ist ineffizient, da DynamoDB nicht für die Speicherung großer Binärdateien wie Fotos optimiert ist. Kinesis Data Firehose ist für das Streaming von Daten konzipiert, nicht für die Verarbeitung einzelner Fotos oder als primärer Speicher. Das Erhöhen der EC2-Instances und die Verwendung von EBS-Volumes skaliert nicht so elastisch wie Lambda und S3 und erfordert mehr Managementaufwand.