Een klantgerichte afbeeldingsopslagservice ontvangt batches grote afbeeldingen van miljoenen gebruikers, past het formaat aan en bewaart deze maximaal 6 maanden in Amazon S3. De vraag varieert sterk. De oplossing moet schaalbaar zijn voor ondernemingen, betrouwbaar en mislukte verwerkingsjobs opnieuw kunnen uitvoeren. Welk ontwerp is het meest kosteneffectief en voldoet tegelijkertijd aan deze vereisten?

De meest kosteneffectieve en schaalbare oplossing is om Amazon SQS te gebruiken voor het verwerken van S3-gebeurtenissen. Dit ontkoppelt de verwerking van de upload, waardoor het systeem veerkrachtiger wordt tegen pieken in de belasting en mislukte verwerkingstaken opnieuw kunnen worden uitgevoerd. Lambda's kunnen de afbeeldingen van formaat wijzigen en opslaan in S3 Standard-IA, wat kosteneffectief is voor gegevens die minder vaak worden geopend maar snel toegankelijk moeten zijn. Na 6 maanden kunnen de afbeeldingen via een lifecycle-beleid naar S3 Glacier Deep Archive worden verplaatst voor maximale kostenbesparing bij langdurige opslag. De andere opties zijn minder optimaal: Het ter plaatse wijzigen van het formaat en vervangen van het origineel in S3 is riskant en biedt geen mechanisme voor opnieuw proberen bij fouten. Het direct triggeren van Lambda's via S3-gebeurtenissen of EventBridge kan leiden tot overbelasting van Lambda tijdens pieken, en biedt geen ingebouwde mechanismen voor het opnieuw verwerken van mislukte taken. Het overzetten naar S3 Standard-IA na 6 maanden is niet de meest kosteneffectieve optie voor gegevens die slechts 6 maanden bewaard hoeven te worden en daarna mogelijk zelden worden opgevraagd.