Eine Anwendung nimmt eingehende Nachrichten auf, die Dutzende anderer Anwendungen und Microservices schnell konsumieren. Das Nachrichtenvolumen schwankt drastisch und kann auf 100.000 Nachrichten pro Sekunde ansteigen. Das Unternehmen möchte Komponenten entkoppeln und die Skalierbarkeit erhöhen. Welche Lösung erfüllt diese Anforderungen?

Die Veröffentlichung von Nachrichten in einem Amazon SNS-Thema mit mehreren Amazon SQS-Abonnements ist die beste Lösung. SNS ermöglicht das Senden einer Nachricht an mehrere Abonnenten (Fan-out-Muster), was die Entkopplung und schnelle Verteilung an Dutzende von Anwendungen unterstützt. SQS-Warteschlangen puffern die Nachrichten und entkoppeln die Produzenten von den Konsumenten, was eine hohe Skalierbarkeit bei schwankendem Nachrichtenvolumen ermöglicht. Jede Consumer-Anwendung kann ihre eigene SQS-Warteschlange abonnieren und Nachrichten in ihrem eigenen Tempo verarbeiten, ohne andere zu beeinflussen. Die anderen Optionen sind weniger geeignet: Kinesis Data Analytics ist für Echtzeit-Analysen gedacht, nicht primär für die Nachrichtenverteilung an viele Anwendungen. EC2 Auto Scaling basierend auf CPU-Metriken skaliert die Ingestion-Anwendung, löst aber nicht das Problem der Entkopplung und Verteilung an Dutzende von Konsumenten. Kinesis Data Streams mit einem einzigen Shard wäre bei 100.000 Nachrichten pro Sekunde schnell überlastet (ein Shard unterstützt maximal 1.000 Datensätze/Sekunde oder 1 MB/Sekunde). Die Speicherung in DynamoDB und das Lesen von dort durch alle Konsumenten wäre ineffizient und teuer für dieses Muster.