Ein Unternehmen möchte Near-Real-Time-Analysen mit Amazon Kinesis Data Streams und Amazon Redshift durchführen, wobei mehrere Gigabyte pro Sekunde aufgenommen und vorhandene BI-Tools genutzt werden sollen. Welche Option minimiert den Betriebsaufwand, während Streaming-Daten für die sofortige Analyse verfügbar gemacht werden?

Die korrekte Option nutzt die native Integration von Amazon Redshift mit Kinesis Data Streams für Near-Real-Time-Analysen. Das Erstellen eines externen Schemas und einer automatisch aktualisierten materialisierten Ansicht direkt über dem Kinesis-Stream ermöglicht es Redshift, Daten direkt aus dem Stream zu lesen und für Abfragen sofort verfügbar zu machen. Dies minimiert den Betriebsaufwand, da keine zusätzlichen ETL-Prozesse oder Zwischenspeicher wie S3 erforderlich sind und die Daten direkt für BI-Tools zugänglich sind. Die anderen Optionen sind weniger effizient oder erhöhen den Betriebsaufwand: Das Laden von Daten über S3 und den COPY-Befehl ist ein Batch-Prozess und nicht "sofort" für Near-Real-Time-Analysen geeignet. Das direkte Zugreifen auf Kinesis Data Streams mit SQL-Abfragen und materialisierten Ansichten ist keine Standardfunktion von Redshift. Redshift benötigt ein externes Schema, um auf externe Datenquellen wie Kinesis zuzugreifen. Die Verwendung von Kinesis Data Firehose und S3 führt zu einer zusätzlichen Latenz und einem erhöhten Betriebsaufwand durch die Verwaltung von Firehose und den Batch-Ladevorgang über S3.