È necessario creare una pipeline di manutenzione predittiva in tempo reale che riceva dati da dispositivi da siti remoti (senza Direct Connect o VPN). La pipeline deve: acquisire i dati in Amazon S3 in tempo reale, trasformare i record raw in entrata in CSV puliti durante l'acquisizione, archiviare i record raw originali in S3 e posizionare tutti i record che non superano la trasformazione in una posizione S3 designata per la revisione umana. Quale architettura richiede il minor sforzo per soddisfare questi requisiti?

L'opzione corretta è la più efficiente perché Kinesis Data Firehose è progettato per acquisire e consegnare dati in streaming a S3 con il minimo sforzo. La sua integrazione nativa con AWS Lambda consente la trasformazione dei dati in tempo reale (da record raw a CSV puliti) durante l'acquisizione. La funzionalità di backup dei record sorgente di Firehose soddisfa il requisito di archiviare i record raw originali, e la gestione automatica dei record non trasformati in una posizione designata per la revisione umana è inclusa. Le altre opzioni sono meno ideali: L'utilizzo di Amazon MSK con attività ECS introduce maggiore complessità operativa e richiede la gestione manuale della logica di trasformazione e della gestione degli errori, aumentando lo sforzo. L'integrazione di Firehose con un job AWS Glue Apache Spark per la trasformazione è possibile, ma Glue è tipicamente utilizzato per trasformazioni batch o micro-batch più complesse e introduce una latenza maggiore rispetto a Lambda per trasformazioni in tempo reale semplici. L'introduzione di Kinesis Data Streams prima di Firehose aggiunge un livello di complessità non necessario, poiché Firehose può gestire direttamente l'acquisizione e la trasformazione richieste senza la necessità di uno stream intermedio per i record raw.