Une entreprise collecte des données de logs en temps réel à l'aide d'Amazon Kinesis Data Streams et souhaite exécuter des requêtes en temps réel et enrichir les logs dans Amazon Redshift. Quelle méthode d'ingestion offre le moins de frais opérationnels pour transférer les données vers Redshift ?

L'ingestion en streaming Amazon Redshift depuis Kinesis Data Streams est la méthode la moins coûteuse en termes de frais opérationnels car elle intègre directement les données de Kinesis Data Streams dans Redshift. Cela élimine le besoin de services intermédiaires ou de scripts de chargement, simplifiant ainsi l'architecture et réduisant la maintenance. La présentation des données sous forme de vue matérialisée permet des requêtes en temps réel et un enrichissement efficace. Les autres options sont moins optimales : Kinesis Data Firehose vers Redshift provisionné : Firehose ajoute une couche de service, augmentant les coûts opérationnels par rapport à l'ingestion directe. Kinesis Data Firehose vers S3 puis Redshift : Cette approche introduit S3 comme étape intermédiaire, nécessitant un mécanisme de chargement (par exemple, COPY) et augmentant la latence et la complexité opérationnelle. Amazon Managed Service for Apache Flink vers Redshift : Bien que puissant pour le traitement, Flink est un service de calcul qui ajoute des coûts et une complexité opérationnelle significatifs pour l'ingestion de base, ce qui n'est pas l'option la moins chère.