Una empresa compró dispositivos de varios proveedores. Cada dispositivo tiene sensores de IoT que envían mensajes de estado en el formato propietario de cada proveedor a una aplicación heredada que los analiza en JSON. El análisis es simple, pero específico del proveedor. Una vez al día, la aplicación analiza todos los registros JSON y los escribe en una base de datos relacional para su análisis. La empresa quiere un nuevo diseño de análisis de datos que sea más rápido y rentable. ¿Qué solución cumple estos requisitos?

La opción correcta aprovecha AWS IoT Core para la ingesta de mensajes de sensores. Una regla de IoT activará una función de AWS Lambda para el análisis específico del proveedor, transformando los datos en un formato uniforme como CSV. Almacenar estos archivos en Amazon S3 es rentable y escalable. AWS Glue catalogará los datos, permitiendo consultas ad-hoc con Amazon Athena y visualizaciones con Amazon QuickSight, cumpliendo los requisitos de rapidez y rentabilidad. Las otras opciones son menos óptimas: Migrar la aplicación a Fargate no resuelve el análisis en tiempo real ni la escalabilidad de la ingesta de IoT, y Redshift puede ser costoso para datos semi-estructurados. AWS Transfer for SFTP requiere modificar los sensores para enviar archivos, lo cual es inviable para muchos dispositivos IoT, y no es un patrón común para la ingesta de mensajes de sensores. AWS Snowball Edge es para grandes volúmenes de datos en entornos desconectados o con conectividad limitada, no para el análisis continuo de flujos de IoT.