Eine Anwendung stellt eine API bereit, die Workload-Metriken zurückgibt. Das Unternehmen muss diese Metriken in großem Umfang erfassen, analysieren und visualisieren, um Probleme zu identifizieren. Welche Maßnahmen erfüllen diese Anforderungen? (Wählen Sie drei aus.)

Die erste korrekte Option beschreibt das Erfassen der Metriken: Eine EventBridge-Regel löst eine Lambda-Funktion aus, die die API abfragt und die Metrikdaten in einem S3-Bucket speichert. Dies ist eine skalierbare und kostengünstige Methode zur Datenerfassung. Die zweite korrekte Option erklärt, wie die Daten analysiert werden: Ein AWS Glue Crawler katalogisiert die Daten im S3-Bucket, und Amazon Athena ermöglicht SQL-Abfragen über diese katalogisierten Daten, was eine effiziente Analyse großer Datensätze ermöglicht. Die dritte korrekte Option behandelt die Visualisierung: Amazon QuickSight kann Daten aus Athena-Ansichten nutzen, um interaktive Dashboards zu erstellen, die Probleme schnell sichtbar machen. Die Option mit DynamoDB ist weniger ideal für die Speicherung großer Mengen historischer Metrikdaten zur Analyse, da S3 kostengünstiger und besser für Data Lakes geeignet ist. Ein Glue Crawler kann sich nicht direkt mit einem DynamoDB-Stream verbinden. CloudWatch-Dashboards mit Lambda-Funktionen zum Abfragen von Athena sind zwar technisch möglich, aber QuickSight ist für umfassende Business Intelligence und Visualisierung besser geeignet und bietet mehr Funktionen für Dashboards.