Een bedrijf registreert dagelijks miljoenen bestellingen in Amazon DynamoDB. Nieuwe bestellingen worden continu toegevoegd zodra klanten deze plaatsen. Een data scientist moet piekvoorspellingen produceren en een Amazon QuickSight-dashboard maken dat bijna real-time bestelgegevens toont. Welke aanpak minimaliseert de tijd tussen het wegschrijven van een nieuwe bestelling naar DynamoDB en het moment dat QuickSight toegang heeft tot die nieuwe gegevens?

De correcte aanpak is het gebruik van Amazon Kinesis Data Firehose om DynamoDB-wijzigingsgegevens naar Amazon S3 te leveren en QuickSight te configureren om de S3-gegevens te lezen. Dit minimaliseert de latentie omdat DynamoDB Streams continu wijzigingen vastlegt, die vervolgens via Kinesis Data Firehose bijna in realtime naar S3 worden gestreamd. QuickSight kan vervolgens direct query's uitvoeren op deze S3-gegevens. Het exporteren van DynamoDB-gegevens naar S3 met AWS Glue is een batchproces en introduceert vertraging. Het sturen van DynamoDB-wijzigingen naar Kinesis Data Streams en vervolgens naar S3 vereist extra configuratie en beheer van consumenten, wat complexer is dan Firehose voor dit specifieke doel. QuickSight kan geen API aanroepen om direct uit DynamoDB te lezen; het heeft een ondersteunde gegevensbron nodig, zoals S3.