Un'applicazione web dietro una distribuzione CloudFront necessita di monitoraggio quasi in tempo reale per i tassi di errore e il rilevamento delle anomalie. Quale combinazione di azioni dovrebbe intraprendere uno sviluppatore per creare una dashboard che fornisca il monitoraggio più frequente? (Scegli due.)

Per un monitoraggio quasi in tempo reale dei tassi di errore e il rilevamento delle anomalie, è fondamentale un'acquisizione e un'analisi dei dati rapida. Abilitare i log in tempo reale di CloudFront e inviarli direttamente a Kinesis Data Streams è la soluzione più efficiente per l'ingestione di dati a bassa latenza. Kinesis Data Streams è progettato per l'elaborazione di grandi volumi di dati in tempo reale. Successivamente, l'inoltro di questi dati da Kinesis Data Streams ad Amazon OpenSearch Service (tramite una funzione Lambda per la trasformazione o l'arricchimento) consente l'indicizzazione e la ricerca quasi in tempo reale, rendendo OpenSearch Dashboards ideale per la creazione di dashboard interattive per il monitoraggio e il rilevamento delle anomalie. Le altre opzioni sono meno adatte per il monitoraggio "quasi in tempo reale": Trasmettere i log a un bucket S3 e utilizzare Amazon Athena è un approccio per l'analisi post-hoc, non in tempo reale, poiché Athena interroga i dati già archiviati. Kinesis Data Firehose è ottimizzato per il caricamento in batch e non offre la stessa latenza di Kinesis Data Streams per l'analisi in tempo reale. Inviare i log a CloudTrail non è appropriato; CloudTrail registra le attività dell'account AWS, non i log di accesso di CloudFront per il monitoraggio delle prestazioni dell'applicazione.