Een transportbedrijf verzamelt dagelijks ongeveer 100 GB aan nieuwe afbeeldingen van vrachtwagens wereldwijd. Ze willen ML-use cases verkennen en ervoor zorgen dat alleen specifieke IAM-gebruikers toegang hebben tot de gegevens. Welke opslagoptie biedt de meeste flexibiliteit voor verwerking en maakt toegangscontrole via IAM mogelijk?

De correcte optie is het gebruik van een Amazon S3-gebaseerd data lake. S3 is ideaal voor het opslaan van grote hoeveelheden ongestructureerde data zoals afbeeldingen (100 GB per dag), biedt hoge schaalbaarheid en duurzaamheid, en integreert naadloos met andere AWS ML-services. Toegangscontrole kan fijnmazig worden beheerd via IAM-beleid en S3-bucketbeleid, wat voldoet aan de eis om de toegang tot specifieke IAM-gebruikers te beperken. Het opslaan van afbeeldingen in DynamoDB is ongeschikt, aangezien DynamoDB een NoSQL-database is die is ontworpen voor kleine, snelle sleutel-waardeparen, niet voor grote binaire objecten zoals afbeeldingen. HDFS op EMR is een optie voor big data-verwerking, maar S3 biedt meer flexibiliteit en is kosteneffectiever voor pure opslag en als basis voor een data lake. Amazon EFS is een gedeeld bestandssysteem voor EC2-instances, maar is minder schaalbaar en duurder voor grootschalige objectopslag dan S3, en minder geschikt als centraal data lake voor ML-use cases.