Una aplicación web detrás de una distribución de CloudFront necesita monitoreo casi en tiempo real para tasas de error y detección de anomalías. ¿Qué combinación de acciones debe tomar un desarrollador para construir un panel que proporcione el monitoreo más frecuente? (Elija dos)

Para un monitoreo casi en tiempo real de tasas de error y detección de anomalías, es crucial procesar los datos de registro rápidamente. Habilitar los logs en tiempo real de CloudFront y enviarlos a Amazon Kinesis Data Streams permite la ingesta y el procesamiento de datos con baja latencia. Kinesis Data Streams es ideal para datos de streaming de alto volumen y baja latencia. Luego, usar Kinesis Data Streams para reenviar estos logs a Amazon OpenSearch Service (anteriormente Elasticsearch Service) a través de una función Lambda permite indexar y buscar los datos de registro de manera eficiente. OpenSearch Dashboards (anteriormente Kibana) es una herramienta robusta para visualizar y construir paneles interactivos, lo que facilita la detección de anomalías y el monitoreo de tasas de error en tiempo casi real. Transmitir logs a un bucket de S3 y usar Athena es adecuado para análisis ad-hoc, pero no para monitoreo casi en tiempo real. Kinesis Data Firehose es una opción para enviar logs, pero el flujo directo a OpenSearch Service a través de Kinesis Data Streams y Lambda ofrece mayor flexibilidad y control para el procesamiento en tiempo real antes de la indexación. Configurar Firehose para enviar logs a CloudTrail no es el propósito principal de CloudTrail, que se enfoca en el registro de actividad de la cuenta, no en logs de acceso de aplicaciones web.