Un'applicazione di streaming quasi in tempo reale di un'azienda su AWS acquisisce dati ed esegue un job che richiede 30 minuti per essere completato. Il carico di lavoro spesso soffre di elevata latenza a causa di grandi volumi di dati in ingresso. Un architetto di soluzioni necessita di un design scalabile e serverless per migliorare le prestazioni. Quale combinazione di passaggi dovrebbe intraprendere l'architetto? (Scegliere due.)

Per un'applicazione di streaming quasi in tempo reale con elevata latenza dovuta a grandi volumi di dati in ingresso e un job di elaborazione di 30 minuti, una soluzione scalabile e serverless è essenziale. L'utilizzo di Amazon Kinesis Data Firehose per acquisire i dati è corretto perché Firehose è un servizio serverless che può acquisire, trasformare e caricare stream di dati in destinazioni come Amazon S3, Amazon Redshift o Amazon OpenSearch Service in modo scalabile e quasi in tempo reale, gestendo automaticamente i picchi di traffico. L'utilizzo di AWS Fargate con Amazon Elastic Container Service (Amazon ECS) per elaborare i dati è corretto. Fargate è un motore di calcolo serverless per i container che consente di eseguire i carichi di lavoro senza dover gestire server o cluster. Questo è ideale per il job di 30 minuti, fornendo scalabilità e isolamento per l'elaborazione dei dati. AWS Lambda è meno adatto per un job che richiede 30 minuti, poiché le funzioni Lambda hanno un timeout massimo di 15 minuti. AWS DMS è per la migrazione di database, non per l'acquisizione di stream di dati in tempo reale. Le istanze EC2 in un gruppo Auto Scaling sono scalabili ma non sono serverless, richiedendo la gestione del sistema operativo e delle patch.