Eine VPC mit vorhersagbarem Datenverkehr sendet VPC-Flow-Logs an eine CloudWatch Logs-Protokollgruppe. Das Team benötigt eine Überwachungslösung, die Anomalien in den VPC-Verkehrsmustern im Zeitverlauf erkennt und bei Erkennung einer Anomalie eine Reaktion auslösen kann. Wie sollte dies implementiert werden?

Die korrekte Antwort nutzt Kinesis Data Firehose, um VPC Flow Logs effizient und kostengünstig an S3 zu liefern, was eine langfristige Speicherung und Analyse ermöglicht. Amazon Lookout for Metrics ist ein vollständig verwalteter Service, der maschinelles Lernen nutzt, um Anomalien in Metriken zu erkennen, und ist ideal für die Analyse von Zeitreihendaten wie VPC Flow Logs. Die Integration mit Lambda und EventBridge ermöglicht eine automatisierte Reaktion auf erkannte Anomalien. Die Option mit Kinesis Data Analytics ist weniger geeignet, da Lookout for Metrics eine spezialisierte und oft effizientere Lösung für die Anomalieerkennung in Zeitreihendaten bietet, ohne dass komplexe SQL-Abfragen oder benutzerdefinierte ML-Modelle erforderlich sind. Die direkte Lambda-Funktion zur Anomalieerkennung (Option 3) wäre aufwendiger in Entwicklung und Wartung und skaliert möglicherweise nicht so gut wie ein verwalteter Dienst. Die Option mit Kinesis Data Streams und einem Lambda-Prozessor (Option 4) erfordert ebenfalls mehr benutzerdefinierte Entwicklung und Wartung als die Nutzung von Lookout for Metrics.