De applicaties van een bedrijf gebruiken Apache Hadoop en Apache Spark on-premises. De infrastructuur is niet schaalbaar en is complex te beheren. Een solutions architect moet een schaalbare oplossing ontwerpen die de operationele complexiteit vermindert, terwijl de gegevensverwerking on-premises blijft. Welke oplossing voldoet aan deze vereisten?

De correcte optie is om de Apache Hadoop- en Apache Spark-applicaties te migreren naar Amazon EMR-clusters op AWS Outposts. Dit voldoet aan de eis om de gegevensverwerking on-premises te houden, terwijl de schaalbaarheid en operationele eenvoud van Amazon EMR worden benut. AWS Outposts breidt AWS-infrastructuur, -services, -API's en -tools uit naar on-premises locaties. De andere opties zijn minder geschikt: Het gebruik van AWS Site-to-Site VPN om toegang te krijgen tot on-premises HDFS-data met een Amazon EMR-cluster in de cloud zou leiden tot hoge netwerklatentie en -kosten, en de dataverwerking zou niet on-premises blijven. AWS DataSync is primair voor datamigratie naar AWS-storage, niet voor het direct verwerken van on-premises HDFS-data met een cloud-gebaseerd EMR-cluster, wat dezelfde latency- en kostenproblemen zou opleveren. Het gebruik van een AWS Snowball-apparaat is voor bulkdatamigratie naar Amazon S3, wat betekent dat de data niet langer on-premises zou zijn, wat in strijd is met de vereiste.