Une entreprise de soins de santé diffuse en continu des données de télémétrie en temps réel provenant d'appareils, d'équipements et d'enregistrements vers Amazon Kinesis Data Streams. Les données doivent être stockées dans un entrepôt Amazon Redshift Serverless et prendre en charge l'analyse en quasi temps réel ainsi que les requêtes sur les données de la veille. Quelle solution offre cela avec le moins de frais opérationnels ?

L'ingestion en streaming d'Amazon Redshift est la solution la plus efficace pour ce cas d'utilisation. Elle permet d'ingérer des données directement depuis Amazon Kinesis Data Streams vers Amazon Redshift Serverless avec une latence minimale, supportant ainsi l'analyse en quasi temps réel. Cette approche réduit considérablement les frais opérationnels car elle élimine le besoin de services intermédiaires ou de processus ETL complexes. Les autres options sont moins optimales : Charger les données dans Amazon Kinesis Data Firehose puis dans Amazon Redshift introduit une étape intermédiaire et potentiellement une latence supplémentaire. Charger les données dans Amazon S3 puis utiliser la commande COPY est un processus par lots, non adapté à l'analyse en quasi temps réel. L'intégration zero-ETL d'Amazon Aurora avec Amazon Redshift est pertinente pour les données provenant d'Aurora, pas de Kinesis Data Streams.