Een bedrijf beheert een online marktplaats webapplicatie die op piekmomenten honderdduizenden gebruikers bedient. Het bedrijf heeft een schaalbare, bijna real-time oplossing nodig om miljoenen financiële transacties te delen met verschillende interne applicaties. Transacties moeten worden verwerkt om gevoelige gegevens te verwijderen voordat ze worden opgeslagen in een documentdatabase voor retrieval met lage latentie. Wat moet een solutions architect aanbevelen?

De correcte optie maakt gebruik van Kinesis Data Streams voor real-time opname van miljoenen transacties, wat essentieel is voor de piekbelasting. AWS Lambda wordt vervolgens gebruikt voor het direct verwijderen van gevoelige gegevens per transactie, wat voldoet aan de vereiste voor bijna real-time verwerking en gegevensbeveiliging. De gezuiverde gegevens worden opgeslagen in DynamoDB voor lage-latentie retrieval, en andere applicaties kunnen de gegevens rechtstreeks uit de Kinesis-datastroom consumeren voor verdere verwerking. De andere opties zijn minder geschikt: DynamoDB-regels voor het verwijderen van gevoelige gegevens bestaan niet; DynamoDB Streams is alleen voor wijzigingen na opslag. Kinesis Data Firehose is primair voor levering aan opslag en de Lambda-integratie is voor transformatie vóór levering, niet voor het consumeren door andere applicaties vanuit Firehose zelf. Het opslaan van gebatchede gegevens in S3 en het later verwerken is niet bijna real-time en introduceert onnodige latentie voor financiële transacties.