Los sensores de las máquinas de una empresa de fabricación suben archivos .csv a un bucket de Amazon S3. Cada .csv debe convertirse en una imagen lo antes posible para informes gráficos automáticos. Las imágenes se vuelven irrelevantes después de 1 mes, pero los archivos .csv deben conservarse para entrenar modelos de machine learning dos veces al año. Los entrenamientos y auditorías de ML se programan con semanas de antelación. ¿Qué combinación de pasos cumplirá estos requisitos de la manera MÁS rentable? (Elija dos).

La opción de AWS Lambda es la más rentable para la conversión de archivos porque Lambda es un servicio sin servidor que se ejecuta bajo demanda, lo que significa que solo pagas por el tiempo de cómputo real utilizado. Invocarla cuando se sube un archivo .csv asegura una conversión inmediata, cumpliendo el requisito de "lo antes posible". Una instancia EC2 Spot implicaría gestionar una instancia y no garantiza la disponibilidad inmediata ni la rentabilidad para cargas de trabajo intermitentes. Las reglas de S3 Lifecycle son cruciales para la rentabilidad y el cumplimiento de los requisitos de retención. Transicionar los archivos .csv a S3 Glacier después de 1 día es rentable porque los archivos .csv solo se necesitan para entrenamientos y auditorías programadas dos veces al año, lo que hace que el acceso lento de Glacier sea aceptable y mucho más barato que S3 Standard o S3 Standard-IA para almacenamiento a largo plazo. Expirar las imágenes después de 30 días cumple el requisito de que se vuelven irrelevantes después de 1 mes, evitando costos de almacenamiento innecesarios. S3 One Zone-IA es más caro que Glacier para este caso de uso, y Reduced Redundancy Storage (RRS) es una clase de almacenamiento obsoleta y no rentable.