Ein Unternehmen streamt IoT-Sensordaten über den Stadtverkehr in Amazon Kinesis Data Streams. Mehrere Anwendungen konsumieren aus dem Stream, aber einige Consumer werden gedrosselt und erhalten ReadProvisionedThroughputExceeded-Fehler. Welche Maßnahmen sollte der Lösungsarchitekt ergreifen, um die Drosselung zu beheben? (Wählen Sie drei.)

Die Erhöhung der Shard-Anzahl im Kinesis-Stream (Resharding) verteilt die Datenlast auf mehr Shards, wodurch die Lesekapazität des Streams steigt und Drosselungen reduziert werden. Die Verwendung von Consumern mit Enhanced Fan-Out (EFO) bietet dedizierte Lesedurchsätze pro Consumer, isoliert die Lesevorgänge und verhindert, dass ein Consumer andere beeinflusst. Eine Fehlerwiederholungsstrategie mit exponentiellem Backoff in den Consumer-Anwendungen hilft, temporäre Drosselungsfehler elegant zu behandeln, indem Wiederholungsversuche mit zunehmenden Wartezeiten erfolgen, was die Last auf den Stream reduziert. Das Verringern der Shard-Anzahl würde die Drosselung verschlimmern. Die Kinesis Producer Library (KPL) ist für das Schreiben optimiert, nicht für das Lesen. Dynamische Partitionierung ist keine Standardfunktion von Kinesis Data Streams zur Behebung von Lesedrosselung.