Une entreprise migre une base de données Oracle vers AWS. La base de données contient une seule table avec des millions d'images SIG haute résolution, chacune identifiée par un code géographique. Lors de catastrophes naturelles, des dizaines de milliers d'images sont mises à jour toutes les quelques minutes. Chaque code géographique correspond à une seule image. L'entreprise a besoin d'une solution hautement disponible, évolutive et rentable pour ces événements. Quelle solution répond le mieux à ces exigences ?

Cette solution est la plus appropriée car elle combine la scalabilité et la rentabilité d'Amazon S3 pour le stockage des millions d'images SIG haute résolution avec la performance et la haute disponibilité de DynamoDB pour la gestion des métadonnées (codes géographiques et URL S3). S3 est idéal pour les objets volumineux et les accès fréquents, tandis que DynamoDB, une base de données NoSQL sans serveur, gère efficacement les mises à jour rapides et les requêtes à faible latence, même sous forte charge. Les autres options sont moins optimales : Stocker les images directement dans une base de données relationnelle comme Oracle sur RDS n'est pas rentable ni performant pour des millions d'objets volumineux comme des images. Stocker les images dans DynamoDB n'est pas recommandé car DynamoDB est optimisé pour des éléments de petite taille et non pour des objets binaires volumineux. DAX améliorerait la lecture mais pas le stockage des images elles-mêmes. Utiliser Oracle sur RDS uniquement pour les métadonnées tout en stockant les images sur S3 est une amélioration, mais DynamoDB est une solution plus performante et plus rentable pour les métadonnées dans ce scénario de forte charge et de mises à jour fréquentes, comparé à une base de données relationnelle.