Une entreprise a créé une application d'analyse d'images où les utilisateurs téléchargent des photos et sélectionnent des cadres photo. Actuellement, elle utilise une seule instance Amazon EC2 et Amazon DynamoDB pour les métadonnées. Le trafic utilisateur varie considérablement selon l'heure de la journée et le nombre d'utilisateurs simultanés augmentera. L'entreprise doit s'assurer que l'application peut s'adapter à la demande. Quelle solution répond à ces exigences ?

Cette solution est la plus évolutive et la plus rentable. AWS Lambda est un service de calcul sans serveur qui s'adapte automatiquement à la demande, idéal pour le traitement d'images. Amazon S3 est un stockage d'objets hautement durable et évolutif, parfait pour les photos. DynamoDB reste un excellent choix pour les métadonnées, offrant une faible latence et une grande évolutivité. Les autres options sont moins adaptées : Stocker les photos dans DynamoDB n'est pas optimal, car DynamoDB est une base de données NoSQL conçue pour de petits éléments de données, pas pour des objets volumineux comme des images. Kinesis Data Firehose est conçu pour la diffusion de données en continu et non pour le traitement direct d'images ou le stockage à long terme. Augmenter les instances EC2 sans mécanisme d'auto-scaling ne résout pas le problème de l'adaptation aux variations de trafic, et EBS n'est pas la solution la plus économique ou évolutive pour le stockage d'images à grande échelle.