Une entreprise manufacturière doit ingérer des données de capteurs en quasi temps réel, les conserver au format JSON imbriqué et prendre en charge des requêtes avec une latence inférieure à 10 millisecondes. La solution doit nécessiter une surcharge opérationnelle minimale. Quelle architecture répond à ces besoins ?

Cette architecture est optimale car Amazon Kinesis Data Streams est conçu pour l'ingestion de données en quasi temps réel et à haut débit, comme les données de capteurs. Amazon DynamoDB est une base de données NoSQL entièrement gérée qui excelle dans la gestion de données JSON imbriquées et offre des performances à faible latence (souvent inférieures à 10 ms) pour les requêtes, avec une surcharge opérationnelle minimale. Les autres options sont moins adaptées : Apache Kafka auto-hébergé et Amazon S3 : Kafka nécessite une gestion opérationnelle importante, et S3 n'est pas optimisé pour les requêtes à faible latence sur des données individuelles. AWS Lambda et Amazon S3 : Lambda est un service de calcul sans serveur, mais S3 n'est toujours pas idéal pour les requêtes à faible latence. Amazon SQS et Amazon RDS : SQS est une file d'attente de messages, pas une solution d'ingestion en temps réel pour des flux de données. RDS est une base de données relationnelle, moins adaptée aux données JSON imbriquées et aux exigences de latence ultra-faible de DynamoDB pour ce cas d'utilisation.