Een zorgbedrijf streamt real-time telemetrie van apparaten, uitrusting en records naar Amazon Kinesis Data Streams. De gegevens moeten worden opgeslagen in een Amazon Redshift Serverless warehouse en near-real-time analyses en queries op de gegevens van de vorige dag ondersteunen. Welke oplossing levert dit met de minste operationele overhead?

De streaming ingestion-functie van Amazon Redshift is de meest operationeel efficiënte oplossing. Het stelt Redshift Serverless in staat om rechtstreeks gegevens van Kinesis Data Streams op te nemen, wat zorgt voor near-real-time analyses en minimale operationele overhead. Optie "Laad gegevens in Amazon Kinesis Data Firehose. Laad de gegevens in Amazon Redshift" introduceert een extra service (Firehose) die de complexiteit en operationele overhead verhoogt, hoewel het ook een geldige methode is. Optie "Laad de gegevens in Amazon S3. Gebruik de COPY command om de gegevens in Amazon Redshift te laden" is minder efficiënt voor near-real-time vereisten, omdat het een batchverwerking is die extra stappen en latentie introduceert. Optie "Gebruik de Amazon Aurora zero-ETL integration met Amazon Redshift" is irrelevant, aangezien de gegevens afkomstig zijn van Kinesis Data Streams en niet van Amazon Aurora.