Une entreprise de télécommunications collecte plusieurs milliers de points de données d'utilisation du réseau par seconde et les traite en temps réel, agrégeant et stockant les résultats dans une instance de base de données Amazon Aurora. Les chutes soudaines d'utilisation indiquent généralement des pannes, et l'entreprise doit détecter ces baisses et y répondre immédiatement avec la latence la plus faible possible. Quelle solution offre la détection avec la latence la plus faible ?

La solution correcte est d'utiliser Amazon Kinesis Data Streams avec Amazon Managed Service for Apache Flink. Kinesis Data Streams est conçu pour ingérer et traiter des flux de données en temps réel à grande échelle, ce qui est essentiel pour les milliers de points de données par seconde. Apache Flink, via Amazon Managed Service, est idéal pour l'analyse de flux en temps réel avec une faible latence, permettant une détection immédiate des baisses d'utilisation. Les autres options sont moins efficaces pour la détection en temps réel à faible latence : Interroger Aurora toutes les minutes avec Lambda introduit une latence inacceptable pour une détection "immédiate". Remplacer Aurora par DynamoDB et interroger toutes les minutes avec Lambda souffre du même problème de latence que l'option précédente. DAX améliore les performances de DynamoDB, mais n'élimine pas la latence de l'interrogation périodique. Utiliser Database Activity Streams d'Aurora est pour l'audit et la surveillance des activités de la base de données, pas pour l'analyse de flux de données d'utilisation du réseau en temps réel.