홍수 모니터링 기관은 각각 1MB 미만의 업데이트를 지속적으로 전송하는 10,000개 이상의 센서를 보유하고 있습니다. 온프레미스 애플리케이션 서버는 센서 업데이트를 수신하고, 사람이 읽을 수 있는 레코드로 변환한 다음, 온프레미스 관계형 데이터베이스에 결과를 기록합니다. 분석가는 라이브 데이터에 대해 간단한 SQL 쿼리를 실행합니다. 유지 관리(패치/업데이트)로 인해 이러한 서버는 다운타임을 겪으며, 서버가 다운되는 동안 나머지 서버는 로드를 처리할 수 없어 데이터 손실이 발생합니다. 이 기관은 더 높은 가용성과 더 낮은 운영 노력 및 비용을 원합니다. 아키텍트는 센서 데이터를 수집하기 위해 AWS IoT Core를 사용할 것을 권장합니다. 요구 사항을 충족하기 위해 아키텍트가 권장해야 하는 추가 설계는 무엇입니까?

정답은 센서 데이터를 Amazon Kinesis Data Firehose로 보내고, AWS Lambda 함수를 사용하여 Firehose에서 레코드를 읽고 Apache Parquet으로 변환한 다음 Amazon S3 버킷에 쓰는 것입니다. 분석가는 Amazon Athena를 사용하여 데이터를 쿼리합니다. 이 솔루션은 서버리스 아키텍처를 활용하여 운영 오버헤드를 줄이고, 높은 가용성을 제공하며, 비용 효율적입니다. Kinesis Data Firehose는 대량의 스트리밍 데이터를 안정적으로 수집하고 S3로 전송하는 데 적합하며, Lambda는 데이터 변환을 유연하게 처리합니다. Parquet 형식은 분석 쿼리에 최적화되어 있으며, S3는 저렴하고 확장 가능한 스토리지입니다. Athena는 S3의 데이터를 직접 쿼리하여 실시간 분석 요구사항을 충족합니다. 오답인 첫 번째 옵션은 Aurora MySQL DB 인스턴스에 데이터를 삽입하는 것을 제안하는데, 이는 대량의 스트리밍 데이터에 대해 관계형 데이터베이스의 확장성 및 비용 효율성 측면에서 비효율적일 수 있습니다. 세 번째 및 네 번째 옵션은 Amazon Managed Service for Apache Flink(Kinesis Data Analytics)를 사용하는데, 이는 복잡한 실시간 스트림 처리에 더 적합하며, 여기서는 Lambda 함수로 충분히 처리 가능한 간단한 변환 작업이므로 불필요하게 복잡하고 비용이 더 많이 들 수 있습니다.