Un'azienda desidera eseguire analisi quasi in tempo reale utilizzando Amazon Kinesis Data Streams e Amazon Redshift, acquisendo diversi gigabyte al secondo e sfruttando gli strumenti di BI esistenti. Quale opzione riduce al minimo l'overhead operativo rendendo i dati di streaming disponibili per l'analisi immediata?

L'opzione corretta sfrutta la capacità di Amazon Redshift di integrare direttamente Kinesis Data Streams tramite uno schema esterno e viste materializzate. Questo approccio consente a Redshift di interrogare i dati in streaming quasi in tempo reale, con le viste materializzate che si aggiornano automaticamente per riflettere i dati più recenti. Ciò riduce al minimo l'overhead operativo perché non sono necessari servizi intermedi o processi di caricamento manuali, rendendo i dati immediatamente disponibili per l'analisi con gli strumenti BI esistenti. Le altre opzioni sono meno efficienti: L'uso di Kinesis Data Streams per preparare i dati in S3 e poi il comando COPY introduce latenza e overhead operativo per il caricamento dei dati. L'accesso diretto ai dati da Kinesis Data Streams tramite query SQL e la creazione di viste materializzate direttamente sullo stream non è una funzionalità nativa di Redshift per Kinesis Data Streams; Redshift richiede uno schema esterno per l'integrazione. Connettere Kinesis Data Streams a Kinesis Data Firehose e poi a S3, seguito da un comando COPY, aggiunge passaggi intermedi e latenza, aumentando l'overhead operativo rispetto all'integrazione diretta.