Un produttore di motori aeronautici raccoglie 200 metriche di serie temporali durante i test e desidera un rilevamento quasi in tempo reale dei difetti critici, mantenendo tutti i dati per l'analisi offline. Qual è l'approccio PIÙ efficace per il rilevamento delle anomalie quasi in tempo reale?
Scegli una risposta
Tocca un'opzione per controllare la tua risposta.
Risposta corretta: Utilizzare Amazon Kinesis Data Firehose per l'ingestione e Kinesis Data Analytics con l'applicazione Random Cut Forest per il rilevamento delle anomalie in tempo reale, e persistere i dati di streaming su Amazon S3 tramite Firehose per analisi successive..
Perché questa è la risposta
L'opzione corretta è la più efficace perché Kinesis Data Firehose consente l'ingestione e la persistenza dei dati in S3 per analisi future, soddisfacendo il requisito di conservazione di tutti i dati. Kinesis Data Analytics con l'applicazione Random Cut Forest (RCF) fornisce il rilevamento delle anomalie quasi in tempo reale direttamente sullo stream di dati, che è fondamentale per i difetti critici. Le altre opzioni sono meno adatte: IoT Analytics è più orientato all'IoT generico e l'esecuzione di notebook Jupyter non è ideale per il rilevamento quasi in tempo reale. L'uso di Amazon EMR con k-means o l'algoritmo RCF di SageMaker offline implicano un'elaborazione batch, non quasi in tempo reale.
Supera il tuo esame — senza l'infinita caccia alle risposte
Ottieni ogni domanda e spiegazione verificata per questo esame in un unico posto, e risparmia ore di preparazione. Oltre 1.000 certificazioni · Oltre 20 lingue · Inizia gratuitamente.
Supera il tuo esame più velocemente → Nessuna carta richiesta