Un equipo de ciencias biológicas genera aproximadamente 200 GB por genoma a partir de secuenciadores. Ejecutan entre 10 y 15 trabajos al día. Cada trabajo puede tardar varias horas con una computación ideal. Los datos de secuenciación se almacenan en una SAN on-prem y la empresa tiene un enlace AWS Direct Connect de alta velocidad. Los resultados finales deben almacenarse en Amazon S3. El equipo quiere trasladar la plataforma de análisis genómico a AWS para escalar con la demanda y reducir el tiempo de respuesta. ¿Qué solución cumple estos requisitos?

La opción correcta utiliza AWS DataSync para una transferencia de datos eficiente y segura desde la SAN on-prem a S3, aprovechando el enlace Direct Connect de alta velocidad. Los eventos de S3 activan una función Lambda, que a su vez inicia un flujo de trabajo de AWS Step Functions para orquestar el procesamiento. AWS Batch, utilizando imágenes de Docker almacenadas en Amazon ECR, proporciona la escalabilidad y la gestión de recursos necesaria para ejecutar los trabajos de secuenciación de manera eficiente. Las otras opciones son menos adecuadas. Snowball Edge es para grandes migraciones offline, no para transferencias diarias. AWS Data Pipeline es una herramienta de orquestación de datos, no un servicio de transferencia de archivos eficiente para este volumen. AWS Storage Gateway File Gateway es una opción viable para la transferencia de datos, pero la orquestación de procesamiento con AWS Batch y Step Functions es superior a la activación directa de un trabajo de Batch desde S3 para la complejidad de este escenario.