항공기 엔진 제조업체는 테스트 중에 200개의 시계열 지표를 수집하며, 오프라인 분석을 위해 모든 데이터를 보존하면서 중요한 결함을 거의 실시간으로 감지하기를 원합니다. 거의 실시간으로 이상 감지를 수행하는 데 가장 효과적인 접근 방식은 무엇입니까?

이 접근 방식은 실시간 이상 감지 요구 사항을 가장 효과적으로 충족합니다. Amazon Kinesis Data Firehose는 대량의 시계열 데이터를 효율적으로 수집하고 Amazon S3에 저장하여 장기 보존 및 오프라인 분석을 가능하게 합니다. Kinesis Data Analytics는 스트리밍 데이터에 대해 실시간으로 Random Cut Forest(RCF) 알고리즘을 실행하여 이상 징후를 즉시 감지할 수 있습니다. 다른 옵션들은 실시간 요구 사항을 충족하지 못합니다. AWS IoT Analytics는 실시간 분석 기능이 제한적이며 Jupyter 노트북은 오프라인 분석에 더 적합합니다. Amazon EMR 및 Apache Spark를 사용한 k-평균 클러스터링은 배치 처리에는 적합하지만, 거의 실시간 감지에는 지연이 발생할 수 있습니다. Amazon S3에 데이터를 수집하고 Amazon SageMaker의 RCF를 오프라인으로 사용하는 것은 실시간 감지 요구 사항을 충족하지 못합니다.