Un VPC avec un trafic prévisible envoie ses journaux de flux VPC à un groupe de journaux CloudWatch Logs. L'équipe a besoin d'une solution de surveillance qui détecte les anomalies dans les modèles de trafic VPC au fil du temps et peut déclencher une réponse lorsqu'une anomalie est détectée. Comment devraient-ils implémenter cela ?

L'option correcte utilise Kinesis Data Firehose pour collecter les journaux de flux VPC et les livrer à S3, ce qui est une méthode efficace pour stocker de grands volumes de données de journaux. Amazon Lookout for Metrics est un service de détection d'anomalies entièrement géré, idéal pour analyser les données stockées dans S3 et identifier les modèles de trafic inhabituels. La configuration d'une fonction Lambda pour réagir aux alertes de Lookout for Metrics et publier sur EventBridge permet une réponse automatisée et intégrée. Les autres options sont moins optimales : La première option utilise Kinesis Data Analytics, qui est capable de détecter des anomalies en temps réel, mais Lookout for Metrics est spécifiquement conçu pour la détection d'anomalies et peut être plus simple à configurer pour ce cas d'utilisation avec des données stockées. La troisième option, bien que possible, nécessite d'écrire et de maintenir une logique de détection d'anomalies personnalisée dans Lambda, ce qui est plus complexe que d'utiliser un service géré comme Lookout for Metrics. La quatrième option utilise Kinesis Data Streams et un processeur Lambda, ce qui est une approche valide pour le traitement en temps réel, mais Lookout for Metrics offre une solution plus spécialisée et souvent plus facile à gérer pour la détection d'anomalies sur des données agrégées.