Un clúster de análisis de big data se ejecutará en muchas instancias Linux de Amazon EC2 en varias zonas de disponibilidad. Cada nodo debe tener acceso de lectura/escritura a un almacenamiento de archivos subyacente compartido. El sistema de archivos debe ser compatible con POSIX, de alta disponibilidad, resistente y admitir un rendimiento muy alto. ¿Qué solución de almacenamiento satisface estos requisitos?

La opción correcta es crear un nuevo sistema de archivos de Amazon Elastic File System (Amazon EFS) utilizando el modo de rendimiento Max I/O y montarlo en cada instancia EC2. EFS es un sistema de archivos compartido, compatible con POSIX, elástico, altamente disponible y duradero, ideal para cargas de trabajo distribuidas como clústeres de big data. El modo de rendimiento Max I/O está optimizado para aplicaciones que requieren el mayor nivel de rendimiento de operaciones de entrada/salida por segundo (IOPS) con una latencia ligeramente mayor, lo cual es adecuado para análisis de big data. Las otras opciones son incorrectas porque: Un file gateway de AWS Storage Gateway con S3 no ofrece el rendimiento muy alto ni la baja latencia requeridos para un clúster de big data. Amazon EFS en modo General Purpose es una buena opción para muchas cargas de trabajo, pero Max I/O es superior para el rendimiento extremo que exige el análisis de big data. Un volumen de Amazon EBS no se puede adjuntar a múltiples instancias EC2 simultáneamente para acceso de lectura/escritura compartido en un entorno de clúster.