Een financieel bedrijf ontvangt duizenden JSON-marktgegevensrecords per seconde en heeft een schaalbare AWS-oplossing nodig met minimale operationele overhead om afwijkende datapunten in realtime te detecteren. Welk ontwerp voldoet aan deze vereisten?
Kies een antwoord
Tik op een optie om je antwoord te controleren.
Correct antwoord: Neem de realtime gegevens op in Amazon Kinesis Data Streams en gebruik de RANDOM_CUT_FOREST-functie in Amazon MSK for Apache Flink om de streams te verwerken en afwijkingen te detecteren..
Waarom dit het antwoord is
De correcte optie maakt gebruik van Amazon Kinesis Data Streams voor schaalbare realtime data-opname. Amazon MSK for Apache Flink (voorheen Kinesis Data Analytics for Apache Flink) is ideaal voor realtime streamverwerking en de ingebouwde RANDOMCUTFOREST-functie is specifiek ontworpen voor afwijkingsdetectie in streamingdata, wat zorgt voor minimale operationele overhead. De andere opties zijn minder optimaal. Een SageMaker-endpoint aanroepen vanuit Lambda voor elke record introduceert hogere latentie en complexiteit. Apache Kafka op EC2-instances verhoogt de operationele overhead aanzienlijk. SQS FIFO-wachtrijen en AWS Glue ETL-taken zijn meer geschikt voor batchverwerking dan voor realtime afwijkingsdetectie.
Slaag voor je examen — zonder eindeloos zoeken naar antwoorden
Krijg elke geverifieerde vraag en uitleg voor dit examen op één plek, en bespaar uren voorbereiding. Meer dan 1.000 certificeringen · Meer dan 20 talen · gratis om te beginnen.
Slaag sneller voor je examen → Geen kaart nodig