Une entreprise a acheté des appareils auprès de plusieurs fournisseurs. Chaque appareil est équipé de capteurs IoT qui envoient des messages d'état dans le format propriétaire de chaque fournisseur à une application existante qui les analyse en JSON. L'analyse est simple mais spécifique au fournisseur. Une fois par jour, l'application analyse tous les enregistrements JSON et les écrit dans une base de données relationnelle pour analyse. L'entreprise souhaite une nouvelle conception d'analyse de données plus rapide et plus rentable. Quelle solution répond à ces exigences ?

La solution correcte utilise AWS IoT Core pour ingérer les messages des capteurs, ce qui est son rôle principal. Une fonction AWS Lambda est invoquée par une règle IoT pour analyser les formats propriétaires en temps réel et écrire les données dans Amazon S3 au format CSV. Cette approche est plus rapide car l'analyse est effectuée à la volée, et plus rentable car S3 est un stockage économique et Athena est un service de requête sans serveur. AWS Glue catalogue les données pour qu'elles soient interrogeables avec Amazon Athena, et QuickSight est un outil de visualisation adapté. Les autres options sont moins optimales : Migrer vers Fargate ne résout pas la lenteur de l'analyse quotidienne et Redshift est plus coûteux pour des analyses ad hoc que S3/Athena. AWS Transfer for SFTP n'est pas conçu pour l'ingestion de messages IoT en temps réel et nécessiterait une modification significative des capteurs. AWS Snowball Edge est pour la collecte de données hors ligne ou dans des environnements déconnectés, ce qui n'est pas le cas ici, et ne permet pas une analyse en temps réel.