Een bedrijf heeft apparaten van meerdere leveranciers gekocht. Elk apparaat heeft IoT-sensoren die statusberichten in het eigen formaat van elke leverancier verzenden naar een legacy-app die ze parseert naar JSON. Het parseren is eenvoudig, maar leverancierspecifiek. Eén keer per dag parseert de app alle JSON-records en schrijft deze naar een relationele database voor analyse. Het bedrijf wil een nieuw data-analyseontwerp dat sneller en kosteneffectiever is. Welke oplossing voldoet aan deze vereisten?

De correcte oplossing is schaalbaar, kosteneffectief en versnelt de analyse. AWS IoT Core kan miljoenen apparaten beheren en berichten routeren. Een Lambda-functie is ideaal voor het serverloos parseren van leverancierspecifieke formaten naar een gestandaardiseerd .csv-formaat, wat de verwerking versnelt van dagelijks naar bijna real-time. Opslag in Amazon S3 is zeer kosteneffectief. AWS Glue catalogiseert de gegevens voor analyse met Amazon Athena (serverloos query's uitvoeren op S3) en visualisatie met Amazon QuickSight. De andere opties zijn minder optimaal: Migreren naar Fargate behoudt de legacy-architectuur en schaalt mogelijk minder goed voor IoT-berichten. SFTP is geen geschikt protocol voor IoT-sensoren en vereist aanpassingen aan de sensoren. Snowball Edge is voor offline data-overdracht van grote volumes, niet voor real-time IoT-dataverwerking.