Een VPC met voorspelbaar verkeer heeft VPC-stroomlogboeken die naar een CloudWatch Logs-loggroep worden gestuurd. Het team heeft een monitoringoplossing nodig die afwijkingen in VPC-verkeerspatronen over tijd detecteert en een reactie kan activeren wanneer een afwijking wordt gedetecteerd. Hoe moeten ze dit implementeren?

Het correcte antwoord is de meest schaalbare en beheerde oplossing voor afwijkingsdetectie. Kinesis Data Firehose levert de VPC-stroomlogboeken efficiënt aan S3, wat een duurzame opslag is voor analyse. Amazon Lookout for Metrics is een volledig beheerde service voor afwijkingsdetectie die machine learning gebruikt om patronen te leren en afwijkingen te identificeren, wat handmatig beheer minimaliseert. De integratie met Lambda en EventBridge zorgt voor een geautomatiseerde reactie op gedetecteerde afwijkingen. De andere opties zijn minder optimaal. Het gebruik van Kinesis Data Analytics of een Lambda-functie voor realtime afwijkingsdetectie op een Kinesis-datastroom vereist meer handmatige configuratie en beheer van de detectielogica. Het direct abonneren van een Lambda-functie op de CloudWatch Logs-groep voor afwijkingsdetectie is minder schaalbaar en kan duurder zijn voor grote volumes, en de Lambda moet zelf de complexe afwijkingsdetectielogica implementeren.