Un'applicazione espone un'API che restituisce metriche del carico di lavoro. L'azienda deve raccogliere, analizzare e visualizzare queste metriche su larga scala per identificare i problemi. Quale insieme di azioni soddisferà questi requisiti? (Scegliere tre.)

L'opzione corretta prevede l'uso di EventBridge e Lambda per raccogliere le metriche dall'API e archiviarle in S3. EventBridge è ideale per la pianificazione e Lambda per l'esecuzione di codice serverless che interagisce con l'API. S3 è un archivio scalabile ed economico per i dati grezzi. Successivamente, un crawler AWS Glue indicizza i dati in S3, creando un catalogo che Athena può interrogare. Athena permette di eseguire query SQL sui dati in S3 senza doverli caricare in un database. Infine, QuickSight si connette alle viste Athena per creare dashboard interattive, fornendo la visualizzazione richiesta. Le opzioni errate sono: Scrivere i dati in DynamoDB con uno stream non è l'approccio più efficiente per l'analisi su larga scala di metriche storiche, che sono meglio gestite da un data lake su S3. Collegare un crawler AWS Glue direttamente a uno stream DynamoDB non è il metodo standard per catalogare dati per analisi ad hoc; S3 è preferibile per i data lake. Creare dashboard CloudWatch con Lambda che interroga Athena è un approccio meno diretto e scalabile per la visualizzazione rispetto a QuickSight, che è uno strumento BI dedicato.