Un parco di istanze Amazon EC2 acquisisce dati JSON da fonti on-premise fino a 1 MB/s. Quando un'istanza EC2 si riavvia, i dati in transito vengono persi. Il team di data science necessita di interrogazioni quasi in tempo reale dei dati acquisiti. Quale soluzione fornisce interrogazioni quasi in tempo reale, è scalabile e minimizza la perdita di dati?

Questa soluzione è la più adatta perché Kinesis Data Streams è progettato per l'ingestione e l'elaborazione di dati in streaming in tempo reale, garantendo una perdita minima di dati anche in caso di riavvio delle istanze EC2. Kinesis Data Analytics consente interrogazioni quasi in tempo reale direttamente sui dati in streaming. Le altre opzioni sono meno ideali: Kinesis Data Firehose con Redshift introduce una latenza maggiore per l'ingestione e l'interrogazione, non essendo "quasi in tempo reale" come richiesto. L'instance store di EC2 è effimero e non risolve il problema della perdita di dati al riavvio. Inoltre, l'uso di S3 e Athena, sebbene scalabile, non offre interrogazioni "quasi in tempo reale" sui dati in transito. EBS e ElastiCache for Redis non sono la soluzione più efficiente per l'ingestione e l'analisi di stream di dati su larga scala con requisiti di interrogazione quasi in tempo reale. ElastiCache è più adatto per la memorizzazione nella cache ad alta velocità.