Eine Echtzeit-Analyseanwendung muss pro Minute 5 GB Social-Media-Daten aufnehmen und transformieren und diese dann in einem Datenspeicher ablegen, der schnelle Abfragen unterstützt. Welche Architektur erfüllt diese Anforderungen?

Die korrekte Architektur verwendet Amazon Kinesis Data Streams für die Aufnahme von Echtzeitdatenströmen, was ideal für die 5 GB pro Minute Social-Media-Daten ist. Amazon Managed Service for Apache Flink (früher Kinesis Data Analytics) ist hervorragend für Echtzeit-Transformationen und Analysen von Streaming-Daten geeignet. Amazon DynamoDB ist eine schnelle NoSQL-Datenbank, die niedrige Latenzzeiten für Abfragen bietet und somit die Anforderung an schnelle Abfragen erfüllt. Die anderen Optionen sind weniger geeignet: EventBridge ist ein Event-Bus, kein direkter Datenaufnahme-Service für große Datenströme. ElastiCache (Memcached) ist ein In-Memory-Cache, keine persistente Datenbank für schnelle Abfragen großer Datensätze. SQS ist eine Nachrichtenwarteschlange, die nicht für die direkte Aufnahme von Echtzeit-Datenströmen in diesem Volumen konzipiert ist. S3 ist ein Objektspeicher, der zwar kostengünstig ist, aber nicht für schnelle Abfragen von Echtzeitdaten optimiert ist. SNS ist ein Messaging-Dienst für Benachrichtigungen, nicht für die Aufnahme von Rohdatenströmen. Amazon EMR ist ein Big-Data-Framework, das eher für Batch-Verarbeitung als für Echtzeit-Transformationen geeignet ist. RDS ist eine relationale Datenbank, die möglicherweise nicht die Skalierbarkeit und niedrige Latenz für schnelle Abfragen von Social-Media-Daten in Echtzeit bietet.