한 금융 회사는 초당 수천 개의 JSON 시장 데이터 레코드를 수신하며, 실시간으로 비정상적인 데이터 포인트를 감지하기 위해 운영 오버헤드가 최소화된 확장 가능한 AWS 솔루션을 필요로 합니다. 다음 중 어떤 설계가 이러한 요구 사항을 충족합니까?

정답은 실시간 데이터를 Amazon Kinesis Data Streams로 수집하고, Amazon MSK for Apache Flink의 RANDOMCUTFOREST 함수를 사용하여 스트림을 처리하고 이상 징후를 감지합니다. 이 솔루션은 초당 수천 개의 레코드를 처리할 수 있는 확장 가능한 실시간 스트리밍 데이터 수집(Kinesis Data Streams)과 운영 오버헤드가 적은 내장된 이상 징후 감지 기능(Amazon MSK for Apache Flink의 RANDOMCUTFOREST)을 결합하여 요구 사항을 충족합니다. SageMaker 엔드포인트를 Lambda와 함께 사용하는 옵션은 추가적인 관리 오버헤드가 발생할 수 있습니다. EC2에서 Apache Kafka를 실행하는 것은 관리형 서비스가 아니므로 운영 오버헤드가 높습니다. SQS FIFO 큐와 AWS Glue ETL 작업은 실시간 처리가 아닌 배치 처리에 더 적합하여 요구 사항을 충족하지 못합니다.