Eine Webanwendung verwendet eine CloudFront-Distribution, um Bilder aus einem S3-Bucket bereitzustellen. Drittanbieter-Tools laden manchmal beschädigte Bilder in den Bucket hoch. Das Unternehmen verfügt über eine Python-Logik, die beschädigte Bilder zuverlässig erkennt und diese Erkennung mit minimaler Latenz zwischen der Aufnahme und der Bereitstellung des Inhalts integrieren möchte. Welcher Integrationsansatz erfüllt diese Anforderung?

Die Konfiguration einer S3-Ereignisbenachrichtigung, die eine AWS Lambda-Funktion aufruft, wenn Bilder hochgeladen werden, ist die beste Lösung. Dies ermöglicht die sofortige Ausführung der Python-Logik zur Erkennung beschädigter Bilder direkt nach dem Upload. Beschädigte Bilder können dann umgehend entfernt oder ersetzt werden, bevor sie über CloudFront bereitgestellt werden, was die Latenz zwischen Aufnahme und Bereitstellung minimiert. Lambda@Edge-Funktionen, die auf viewer-response oder origin-response Ereignissen ausgeführt werden, würden die Erkennung erst nach einer Anforderung des Clients durchführen. Dies würde bedeuten, dass ein beschädigtes Bild möglicherweise schon einmal an einen Benutzer ausgeliefert wird, bevor es als beschädigt erkannt wird, was nicht der Anforderung "minimale Latenz zwischen Aufnahme und Bereitstellung" entspricht. Die Verwendung von AWS Step Functions wäre für diese Aufgabe überdimensioniert und würde unnötige Komplexität und Latenz hinzufügen, da eine einfache Lambda-Funktion ausreicht.