Une entreprise de commerce électronique dispose de plusieurs systèmes opérationnels dans AWS, chacun avec une base de données relationnelle compatible JDBC stockant le dernier état de traitement. L'équipe des opérations a besoin d'une visibilité horaire sur les commandes tout au long du flux de travail d'exécution. Quelle approche permet d'atteindre cet objectif avec le moins d'effort de développement ?

L'approche correcte utilise AWS Glue pour l'ingestion de données et Amazon Redshift pour l'entreposage de données, ce qui est idéal pour l'analyse de grands volumes de données structurées provenant de bases de données relationnelles. QuickSight est un outil de BI natif d'AWS qui s'intègre facilement à Redshift pour la création de tableaux de bord. Cette combinaison minimise l'effort de développement car Glue simplifie l'ETL et Redshift est optimisé pour les requêtes analytiques. Les options utilisant DynamoDB sont moins adaptées car DynamoDB est une base de données NoSQL clé-valeur, optimisée pour des charges de travail transactionnelles à faible latence, non pour l'analyse complexe de données historiques ou les requêtes agrégées nécessaires pour des tableaux de bord horaires. Bien que DMS puisse capturer les changements, son utilisation avec DynamoDB pour l'analyse horaire nécessite plus d'efforts pour structurer les données pour l'analyse. De plus, Grafana n'est pas un service AWS natif, ce qui pourrait augmenter la complexité de la gestion par rapport à QuickSight.