Ein Unternehmen hat Geräte von mehreren Anbietern gekauft. Jedes Gerät verfügt über IoT-Sensoren, die Statusmeldungen im proprietären Format des jeweiligen Anbieters an eine Legacy-Anwendung senden, die sie in JSON parst. Das Parsen ist einfach, aber anbieterspezifisch. Einmal täglich parst die Anwendung alle JSON-Datensätze und schreibt sie zur Analyse in eine relationale Datenbank. Das Unternehmen wünscht sich ein neues Datenanalyse-Design, das schneller und kostengünstiger ist. Welche Lösung erfüllt diese Anforderungen?

Die korrekte Lösung nutzt AWS IoT Core, um die Sensordaten effizient zu erfassen. Eine AWS Lambda-Funktion kann die anbieterspezifischen Formate parsen und die Daten in einem standardisierten Format (CSV) in Amazon S3 speichern. Dies ist kostengünstig und hochskalierbar. AWS Glue katalogisiert die Daten, und Amazon Athena ermöglicht schnelle, serverlose Abfragen direkt auf S3, was die Analyse beschleunigt und Kosten senkt. Amazon QuickSight bietet schließlich eine Visualisierung. Die Migration der Parsing-Anwendung zu Fargate wäre teurer und würde die tägliche Batch-Verarbeitung nicht wesentlich verbessern. SFTP ist für IoT-Sensoren ungeeignet und erfordert eine Änderung der Geräte. Snowball Edge ist für die Offline-Datenübertragung großer Mengen konzipiert, nicht für Echtzeit-IoT-Datenströme und kontinuierliche Analyse.