Sensoren, die in Fabriken montiert sind, streamen Umweltdaten (Luftfeuchtigkeit, Licht usw.) an AWS. Das Unternehmen benötigt Echtzeit-Streaming und -Analyse und muss das Betriebsteam sofort benachrichtigen, wenn ein Parameter außerhalb der akzeptablen Bereiche liegt. Welches Design erfüllt diese Anforderungen?

Die korrekte Option nutzt Amazon Kinesis Data Streams für Echtzeit-Datenerfassung und -Streaming, was für Sensordaten unerlässlich ist. Eine AWS Lambda-Funktion kann den Kinesis-Stream in Echtzeit konsumieren und analysieren, was die sofortige Erkennung von Parametern außerhalb der Grenzwerte ermöglicht. Amazon SNS ist der geeignete Dienst für sofortige Benachrichtigungen an das Betriebsteam, da es Push-Benachrichtigungen an verschiedene Endpunkte senden kann. Falsche Optionen: Kinesis Data Firehose ist für die Bereitstellung von Daten an Speicherdienste optimiert, nicht für Echtzeit-Analyse durch Step Functions, was zu Latenz führen würde. Amazon MSK ist eine gute Streaming-Lösung, aber das Starten einer Fargate-Aufgabe pro Trigger für die Analyse ist ineffizient für kontinuierliches Echtzeit-Streaming und SES ist weniger geeignet für sofortige operative Benachrichtigungen als SNS. Kinesis Data Analytics ist für Echtzeit-Analysen geeignet, aber die Kombination mit einem containerisierten Dienst in ECS für die weitere Analyse ist komplexer und potenziell latenter als Lambda, und SES ist für Benachrichtigungen weniger geeignet als SNS.