Une application web derrière une distribution CloudFront nécessite une surveillance quasi en temps réel des taux d'erreur et la détection d'anomalies. Quelle combinaison d'actions un développeur devrait-il entreprendre pour créer un tableau de bord offrant la surveillance la plus fréquente ? (Choisissez-en deux.)

Pour une surveillance quasi en temps réel et la détection d'anomalies, la solution la plus efficace est d'activer les journaux en temps réel de CloudFront et de les diriger vers Kinesis Data Streams. Kinesis Data Streams permet l'ingestion et le traitement de données en continu avec une faible latence. Ensuite, utiliser Kinesis Data Streams pour transférer ces journaux vers Amazon OpenSearch Service via une fonction Lambda permet d'indexer et d'analyser les données de manière performante. OpenSearch Dashboards offre des capacités de visualisation et de création de tableaux de bord puissantes pour la détection d'anomalies. Diffuser les journaux CloudFront vers un compartiment S3 et utiliser Amazon Athena est une solution pour l'analyse a posteriori, mais pas pour une surveillance quasi en temps réel. Diffuser les journaux CloudFront vers Kinesis Data Firehose est une option, mais Firehose est optimisé pour la livraison vers des destinations de stockage et non pour le traitement en temps réel nécessaire à la détection d'anomalies. Configurer Kinesis Data Firehose pour envoyer les journaux à AWS CloudTrail n'est pas pertinent car CloudTrail est un service de journalisation des actions API, pas des requêtes CloudFront.