Une application d'analyse en temps réel doit ingérer et transformer 5 Go de données de médias sociaux par minute, puis les charger dans un magasin de données qui prend en charge les requêtes rapides. Quelle architecture répond à ces exigences ?

Cette architecture est la plus adaptée car Kinesis Data Streams est conçu pour l'ingestion de données en temps réel à haut débit (5 Go/minute). Amazon Managed Service for Apache Flink est idéal pour le traitement et la transformation de flux de données en temps réel avec une faible latence. Enfin, DynamoDB est une base de données NoSQL rapide et hautement évolutive, parfaite pour stocker des données transformées nécessitant des requêtes rapides. Les autres options sont moins appropriées : EventBridge et SQS ne sont pas optimaux pour l'ingestion de flux de données massifs en temps réel. ElastiCache est un cache, pas un magasin de données persistant pour l'analyse. S3 est un stockage d'objets, non optimisé pour les requêtes rapides sur des données structurées. SNS est un service de messagerie de publication/abonnement, pas un service d'ingestion de flux de données. EMR est puissant pour le traitement par lots, mais pas toujours le plus efficace pour le traitement en temps réel à faible latence. RDS est une base de données relationnelle, qui peut avoir des limites de mise à l'échelle et de performance pour des requêtes rapides sur de très grands volumes de données non structurées ou semi-structurées.