Un team di scienze della vita genera circa 200 GB per genoma dai sequenziatori. Esegue 10-15 processi al giorno. Ogni processo può richiedere diverse ore con una capacità di calcolo ideale. I dati di sequenziamento sono archiviati su una SAN on-prem e l'azienda dispone di un collegamento AWS Direct Connect ad alta velocità. I risultati finali devono essere archiviati in Amazon S3. Il team desidera spostare la piattaforma di analisi genomica su AWS per scalare in base alla domanda e ridurre i tempi di consegna. Quale soluzione soddisfa questi requisiti?

La soluzione corretta sfrutta AWS DataSync per un trasferimento efficiente e automatizzato dei dati dalla SAN on-premise a S3, ideale per grandi volumi e connessioni Direct Connect. Gli eventi S3 attivano una Lambda che orchestra il flusso di lavoro tramite AWS Step Functions, garantendo scalabilità e gestione dello stato. AWS Batch, integrato con Amazon ECR per le immagini Docker, è perfetto per eseguire carichi di lavoro computazionalmente intensivi e a lungo termine, come l'analisi genomica, scalando automaticamente le risorse di calcolo. Le opzioni errate presentano limitazioni: Snowball Edge non è adatto per processi giornalieri e frequenti. AWS Data Pipeline è un servizio di orchestrazione di dati meno moderno e flessibile rispetto a Step Functions per questo caso d'uso complesso, e l'attivazione diretta di un gruppo EC2 Auto Scaling da eventi S3 per container Docker non è l'approccio più robusto o gestito per carichi di lavoro batch. AWS Storage Gateway File Gateway è più orientato all'accesso ai file on-premise che al trasferimento massivo e continuo per l'elaborazione, e l'attivazione diretta di AWS Batch da eventi S3 è meno flessibile rispetto all'orchestrazione tramite Lambda e Step Functions per flussi di lavoro complessi.