Un'azienda riaddestra periodicamente modelli ML utilizzando nuovi dati di dispositivi di streaming. Ha bisogno di un sistema di acquisizione scalabile, duraturo e ad alta produttività che possa tollerare fino a 5 minuti di latenza di acquisizione e applicare trasformazioni di base durante l'acquisizione. Quale approccio offre la massima efficienza operativa?

Questo approccio è il più efficiente operativamente perché Kinesis Data Streams è progettato per l'acquisizione di dati in streaming ad alta produttività e scalabile, Kinesis Data Firehose fornisce un modo gestito per caricare i dati in S3, e la funzione Lambda consente trasformazioni leggere durante l'acquisizione con una latenza accettabile. Le altre opzioni sono meno efficienti: scrivere direttamente su S3 per lo streaming non è ottimale per l'alta produttività e la latenza, i processi AWS Glue sono più adatti per trasformazioni batch o più complesse e introducono maggiore latenza, e collegare un processo AWS Glue direttamente a Firehose per la trasformazione non è il pattern più comune o efficiente per trasformazioni semplici e veloci.