Un ingénieur de données doit ingérer des données de streaming en temps réel et exécuter des analyses temporelles avec des fenêtres allant jusqu'à 30 minutes. La solution doit être hautement tolérante aux pannes et nécessiter une surcharge opérationnelle minimale. Quelle option répond à ces exigences ?

L'option correcte est d'utiliser Amazon Managed Service for Apache Flink car il est conçu pour l'analyse de flux en temps réel, supporte les fenêtres temporelles (y compris les fenêtres jusqu'à 30 minutes) et offre une tolérance aux pannes élevée avec une surcharge opérationnelle minimale. Il permet également d'effectuer plusieurs types d'agrégations. Les fonctions AWS Lambda ne sont pas idéales pour les agrégations continues sur de longues fenêtres temporelles (jusqu'à 30 minutes) en temps réel, car elles sont sans état et déclenchées par événement, ce qui rend la gestion de l'état des fenêtres complexe et coûteuse. Bien que Lambda puisse traiter des données de Kinesis Data Streams, il n'est pas optimisé pour les analyses temporelles complexes sur des fenêtres glissantes ou basées sur l'horodatage de l'événement de cette durée sans une logique d'état externe complexe. L'option mentionnant les doublons est une distraction, car Flink peut gérer les données avec ou sans doublons.