Une entreprise financière reçoit des milliers d'enregistrements de données de marché au format JSON par seconde et a besoin d'une solution AWS évolutive avec un minimum de frais opérationnels pour détecter les points de données anormaux en temps réel. Quelle conception répond à ces exigences ?

L'ingestion des données via Amazon Kinesis Data Streams est idéale pour les flux de données en temps réel à haut débit. L'utilisation d'Amazon MSK for Apache Flink avec la fonction RANDOMCUTFOREST permet une détection d'anomalies en temps réel directement sur le flux de données, minimisant les frais opérationnels grâce à une solution entièrement gérée et évolutive. Les autres options sont moins optimales : Déployer un point de terminaison SageMaker et invoquer Lambda depuis Kinesis Data Streams introduit une latence et une complexité supplémentaires. Exécuter Apache Kafka sur des instances EC2 augmente les frais opérationnels pour la gestion de l'infrastructure. Utiliser SQS FIFO et AWS Glue ETL pour la détection d'anomalies par lots ne répond pas à l'exigence de traitement en temps réel.