De machinesensoren van een productiebedrijf uploaden .csv-bestanden naar een Amazon S3-bucket. Elk .csv-bestand moet zo snel mogelijk worden omgezet in een afbeelding voor automatische grafische rapporten. Afbeeldingen worden na 1 maand irrelevant, maar de .csv-bestanden moeten worden bewaard om twee keer per jaar machine learning-modellen te trainen. De ML-trainingen en audits worden weken van tevoren gepland. Welke combinatie van stappen voldoet HET MEEST kosteneffectief aan deze vereisten? (Kies twee.)

De AWS Lambda-functie is de meest kosteneffectieve oplossing voor de directe conversie van .csv naar afbeeldingen. Lambda is serverloos en wordt alleen gefactureerd wanneer het wordt uitgevoerd, wat ideaal is voor onregelmatige, gebeurtenisgestuurde workloads. Een EC2 Spot Instance is minder kosteneffectief omdat deze continu moet draaien of regelmatig moet worden opgestart, zelfs als er geen bestanden worden geüpload, en is complexer te beheren. S3 Lifecycle-regels zijn essentieel voor kostenoptimalisatie en voldoen aan de opslagvereisten. Het verplaatsen van .csv-bestanden naar S3 Glacier na 1 dag is kosteneffectief voor langetermijnopslag van zelden benaderde gegevens (tweemaal per jaar voor ML-training), terwijl de mogelijkheid om ze op te halen voor geplande trainingen behouden blijft. Het laten verlopen van afbeeldingsbestanden na 30 dagen minimaliseert de opslagkosten voor irrelevante gegevens. S3 One Zone-IA en S3 Standard-IA zijn duurder dan Glacier voor archivering en RRS is een verouderde en minder duurzame opslagklasse.