Una empresa de ciberseguridad necesita puntuar los eventos de seguridad entrantes en busca de anomalías en tiempo real y también almacenar las puntuaciones de las anomalías en su data lake para su posterior análisis. ¿Cuál es el diseño más eficiente para lograr la puntuación de anomalías en tiempo real a medida que se ingieren los datos y persistir los resultados en S3?

La opción correcta utiliza Kinesis Data Firehose para la ingesta de datos en tiempo real y Kinesis Data Analytics con Random Cut Forest (RCF) para la detección de anomalías en streaming. Firehose puede entregar directamente los resultados a S3, lo que lo convierte en un flujo de trabajo eficiente y sin servidor para el procesamiento en tiempo real y la persistencia de datos. Las otras opciones son menos eficientes o no cumplen con los requisitos de tiempo real: Apache Spark Streaming en EMR es una solución viable, pero implica la gestión de un clúster EMR, lo que es menos eficiente que una solución sin servidor como Kinesis Data Analytics. Además, almacenar en HDFS en EMR no es la persistencia final en S3 solicitada. Ingerir datos en S3 y usar AWS Batch con Deep Learning AMIs para k-means no es una solución en tiempo real; es un procesamiento por lotes. Ingerir en S3 y usar AWS Glue con SageMaker RCF tampoco es en tiempo real, ya que implica un procesamiento por lotes con Glue y una invocación posterior de SageMaker.