Een bedrijf heeft een kleine Python-applicatie die JSON-documenten verwerkt en de resultaten wegschrijft naar een on-premises SQL-database. De applicatie draait duizenden keren per dag. Het bedrijf wil de applicatie naar de AWS Cloud verplaatsen en heeft een zeer beschikbare oplossing nodig die de schaalbaarheid maximaliseert en de operationele overhead minimaliseert. Welke oplossing voldoet aan deze vereisten?

De correcte oplossing maakt gebruik van Amazon S3 voor opslag van de JSON-documenten, wat een zeer duurzame en schaalbare objectopslag is. AWS Lambda is een serverloze compute-service die de Python-code automatisch uitvoert in reactie op gebeurtenissen, zoals het uploaden van een document naar S3. Dit minimaliseert operationele overhead en biedt automatische schaalbaarheid. Amazon Aurora is een zeer beschikbare, schaalbare en performante relationele database die compatibel is met MySQL en PostgreSQL, ideaal voor het opslaan van de verwerkte resultaten. De andere opties zijn minder optimaal: Het gebruik van EC2-instances voor de verwerking vereist handmatig beheer van servers en schaalbaarheid, wat de operationele overhead verhoogt. Amazon EBS-volumes zijn gekoppeld aan specifieke EC2-instances en zijn niet ontworpen voor gedeelde toegang over meerdere instances op de manier die hier wordt voorgesteld, noch voor het opslaan van documenten voor serverloze verwerking. EBS Multi-Attach is voor specifieke gedeelde blokopslagscenario's, niet voor dit type workflow. Hoewel Amazon SQS en ECS valide services zijn, introduceert deze combinatie meer operationele overhead dan de serverloze Lambda-oplossing, aangezien ECS clusters en containers beheerd moeten worden.