한 은행이 Amazon Kinesis 데이터 스트림으로부터 원시 트랜잭션 데이터를 수집합니다. 이 솔루션은 스트림에서 롤링 평균을 계산하고, 해당 특성(feature)을 SageMaker Feature Store에 저장하며, 거의 실시간으로 모델에 제공해야 합니다. 어떤 설계가 이러한 요구 사항을 충족합니까?

이 솔루션은 Kinesis Data Analytics를 사용하여 Kinesis 스트림에서 실시간으로 롤링 평균을 효율적으로 계산합니다. Kinesis Data Analytics는 스트리밍 데이터를 위한 내장된 SQL 기능을 제공하여 복잡한 집계 및 분석을 쉽게 수행할 수 있습니다. 계산된 롤링 평균은 결과 스트림으로 출력되며, Lambda 함수는 이 스트림을 구독하여 데이터를 SageMaker Feature Store의 온라인 기능 그룹에 게시합니다. 이 접근 방식은 거의 실시간으로 특성을 제공해야 하는 요구 사항을 충족합니다. 다른 옵션들은 다음과 같은 이유로 적합하지 않습니다. Kinesis Data Firehose를 S3로 보내고 SageMaker Processing 작업을 실행하는 것은 배치 처리 방식이므로 '거의 실시간' 요구 사항을 충족하지 못합니다. Feature Store에 직접 쓰고 GetRecord API를 사용하여 Feature Store 내에서 롤링 평균을 계산하는 것은 Feature Store의 주요 목적이 아니며, 실시간 집계에 비효율적입니다. 데이터를 오프라인 기능 그룹에 로드하고 쿼리 시점에 롤링 평균을 계산하는 것은 '거의 실시간' 요구 사항을 충족하지 못하며, 특성 제공 지연을 초래합니다.