Je moet historische logs in JSON-formaat, opgeslagen in Amazon S3 van 10 Lambda-functies, doorzoeken op foutmeldingen. Foutwaarden kunnen onder verschillende velden verschijnen, maar alle foutreeksen beginnen met hetzelfde voorvoegsel. Welke methode is de meest operationeel efficiënte manier om die logbestanden te analyseren?

De meest operationeel efficiënte methode is het gebruik van AWS Glue ETL en Amazon Athena. AWS Glue kan de JSON-logs in S3 catalogiseren en indexeren, waardoor Athena SQL-query's kan uitvoeren over de gestructureerde gegevens. Dit is ideaal voor het doorzoeken van grote hoeveelheden historische, ongestructureerde of semi-gestructureerde data op specifieke patronen, zoals foutvoorvoegsels die in verschillende velden kunnen voorkomen. S3 Select is minder efficiënt omdat het per object werkt en niet geoptimaliseerd is voor het doorzoeken van meerdere objecten tegelijk, vooral niet als het foutvoorvoegsel in verschillende velden kan voorkomen. CloudWatch Logs Insights is bedoeld voor logs die direct naar CloudWatch Logs worden gestuurd, niet voor historische logs die al in S3 zijn opgeslagen. CloudWatch Contributor Insights is gericht op het identificeren van top-contributors en trends, niet op ad-hoc query's over historische data in S3.