Un détaillant collecte les enregistrements d'achats de 20 000 magasins et les envoie à Amazon S3 à l'aide d'Amazon Kinesis Data Firehose. Chaque magasin exécute une petite application serveur qui transmet les données sur Internet. Les données sont utilisées pour réentraîner quotidiennement un modèle de machine learning. L'équipe de science des données a identifié des champs existants qui devraient être combinés en de nouveaux attributs avant l'entraînement. Quel changement produira les enregistrements transformés tout en ajoutant le moins de charge opérationnelle ?

La création d'une fonction AWS Lambda invoquée par Kinesis Data Firehose est la solution la plus efficace et la moins coûteuse en termes de charge opérationnelle. Firehose peut directement intégrer la transformation des données via Lambda avant de livrer les données à S3, ce qui simplifie l'architecture et réduit la gestion d'infrastructure. Lancer un cluster Amazon EMR est une solution puissante mais surdimensionnée et plus complexe pour une transformation quotidienne simple, augmentant la charge opérationnelle. Déployer une Amazon S3 File Gateway dans chaque magasin introduit une complexité et une gestion d'infrastructure significatives côté client, ce qui n'est pas idéal. Provisionner une flotte d'instances Amazon EC2 nécessite une gestion continue des serveurs et des scripts, ce qui est plus lourd opérationnellement qu'une fonction Lambda sans serveur.