Debe construir un pipeline de mantenimiento predictivo en tiempo real que reciba datos de dispositivos de sitios remotos (sin Direct Connect o VPN). El pipeline debe: ingerir datos en Amazon S3 en tiempo real, transformar los registros brutos entrantes en CSV limpios durante la ingesta, almacenar los registros brutos originales en S3 y colocar cualquier registro que falle la transformación en una ubicación S3 designada para revisión humana. ¿Qué arquitectura requiere el menor esfuerzo para cumplir con estos requisitos?

La opción correcta utiliza Kinesis Data Firehose, que está diseñado para la ingesta de datos en tiempo real en S3. Su integración nativa con AWS Lambda permite transformar los datos de entrada a CSV durante la ingesta. La función de copia de seguridad de registros de origen de Firehose cumple el requisito de almacenar los registros brutos originales. Además, Firehose puede entregar registros fallidos a una ubicación S3 designada, lo que satisface todos los requisitos con el menor esfuerzo operativo. Las opciones incorrectas implican mayor complejidad. MSK requiere la gestión de clústeres y workers de ECS. Invocar un trabajo de AWS Glue Apache Spark desde Firehose es posible, pero es una solución más pesada y costosa para transformaciones simples. Kinesis Data Streams antes de Firehose añade un componente innecesario si Firehose puede manejar la ingesta directamente, y la lógica de Lambda para escribir registros brutos añade complejidad.