Un fornitore di sicurezza riceve dati di telemetria ogni 30 secondi da migliaia di endpoint globali. I record sono di circa 1 KB con 50 campi. I dati vengono acquisiti in Kinesis Data Streams e devono essere prodotte sintesi orarie per query Athena che leggeranno 7-12 campi. Quale approccio richiede la minore personalizzazione per trasformare e archiviare i dati acquisiti?

L'opzione corretta è usare Kinesis Data Analytics perché è progettato per l'elaborazione di stream in tempo reale, inclusa l'aggregazione di dati come richiesto per le sintesi orarie. Può trasformare i dati utilizzando SQL o Apache Flink e inviare i risultati a Kinesis Data Firehose per l'archiviazione su S3, minimizzando la personalizzazione. Le altre opzioni sono meno efficienti o richiedono maggiore personalizzazione: L'uso di AWS Lambda per l'aggregazione oraria direttamente da Kinesis Data Streams richiederebbe la gestione dello stato e della logica di aggregazione all'interno di Lambda, aumentando la complessità. Kinesis Data Firehose non esegue aggregazioni orarie native; l'integrazione con un cluster Amazon EMR per questo compito sarebbe un'architettura più complessa e costosa per un'aggregazione semplice. Kinesis Data Firehose può invocare Lambda per trasformazioni record-by-record, ma non per aggregazioni orarie complesse che richiedono la gestione dello stato su finestre temporali.