Un dispositivo genomico invia 8 KB di dati al secondo a una piattaforma dati. Requisiti: analisi quasi in tempo reale, acquisizione flessibile/parallela/durevole e consegna dei risultati elaborati in un data warehouse. Quale design dovrebbe scegliere un architetto di soluzioni?

L'opzione corretta utilizza Amazon Kinesis Data Streams per l'acquisizione di dati quasi in tempo reale, flessibile e durevole, supportando l'analisi parallela con i client Kinesis. L'integrazione con Amazon Redshift tramite Amazon EMR permette di caricare i risultati elaborati in un data warehouse per analisi successive. Le altre opzioni sono meno adatte: Kinesis Data Firehose è ottimizzato per la consegna a destinazioni specifiche, ma l'analisi con client Kinesis è più tipica di Data Streams. RDS non è un data warehouse ottimale per grandi volumi di dati analitici. L'archiviazione diretta su S3 e l'elaborazione con SQS e Kinesis non supportano l'analisi quasi in tempo reale dello stream di dati. L'uso di API Gateway e SQS introduce latenza e complessità aggiuntive per un flusso di dati continuo da un dispositivo, e l'analisi con Lambda potrebbe non essere efficiente per l'elaborazione di stream complessi rispetto ai client Kinesis.