Een telco verzamelt enkele duizenden netwerkgebruiksgegevenspunten per seconde en verwerkt deze in realtime, aggregeert en slaat de resultaten op in een Amazon Aurora DB-instance. Plotselinge dalingen in het gebruik duiden doorgaans op storingen, en het bedrijf moet deze dalingen detecteren en onmiddellijk reageren met de laagst mogelijke latency. Welke oplossing biedt de detectie met de laagste latency?

De juiste oplossing is om de verwerkingstoepassing te wijzigen om gegevens naar een Amazon Kinesis Data Stream te publiceren en vervolgens een Amazon Managed Service for Apache Flink-applicatie te gebruiken om dalingen in netwerkgebruik te detecteren. Kinesis Data Streams kan duizenden datapunten per seconde verwerken en Apache Flink is ideaal voor realtime analyse met lage latency, wat cruciaal is voor het detecteren van plotselinge dalingen. De andere opties zijn minder geschikt: Het bevragen van Aurora met een Lambda-functie via EventBridge heeft een minimale latentie van één minuut, wat te hoog is voor onmiddellijke detectie. Het vervangen van Aurora door DynamoDB en het bevragen met Lambda heeft nog steeds een latentie van minimaal één minuut. DAX verbetert de leesprestaties, maar lost de polling-interval niet op. Database Activity Streams in Aurora is bedoeld voor monitoring van databaseactiviteit en niet voor realtime analyse van netwerkgebruiksgegevens.