Un'azienda finanziaria riceve migliaia di record JSON di dati di mercato al secondo e necessita di una soluzione AWS scalabile con un sovraccarico operativo minimo per rilevare punti dati anomali in tempo reale. Quale design soddisfa questi requisiti?

L'opzione corretta sfrutta Amazon Kinesis Data Streams per l'ingestione di dati in tempo reale, una soluzione scalabile e gestita per flussi di dati ad alto volume. L'utilizzo di Amazon MSK for Apache Flink con la funzione RANDOMCUTFOREST è ideale per il rilevamento di anomalie in tempo reale. Flink è un motore di elaborazione di flussi potente e gestito, e RANDOMCUTFOREST è un algoritmo efficiente per identificare anomalie nei flussi di dati, riducendo al minimo l'overhead operativo. Le opzioni errate presentano i seguenti svantaggi: L'uso di un endpoint SageMaker con Lambda per ogni record può introdurre latenza e costi elevati per migliaia di record al secondo. L'esecuzione di Apache Kafka su istanze EC2 aumenta l'overhead operativo e di gestione rispetto a un servizio gestito. L'invio a SQS FIFO e l'elaborazione tramite AWS Glue ETL sono adatti per l'elaborazione batch, non per il rilevamento di anomalie in tempo reale.