Aplikacje firmy korzystają z Apache Hadoop i Apache Spark lokalnie. Infrastruktura nie jest skalowalna i jest złożona w zarządzaniu. Architekt rozwiązań musi zaprojektować skalowalne rozwiązanie, które zmniejszy złożoność operacyjną, jednocześnie utrzymując przetwarzanie danych lokalnie. Które rozwiązanie spełnia te wymagania?

Prawidłowa odpowiedź to migracja aplikacji Apache Hadoop i Apache Spark do klastrów Amazon EMR na AWS Outposts. AWS Outposts to w pełni zarządzana usługa, która rozszerza infrastrukturę, usługi, interfejsy API i narzędzia AWS na lokalne centrum danych. Pozwala to na przetwarzanie danych lokalnie, co jest kluczowym wymaganiem, jednocześnie korzystając ze skalowalności i zmniejszonej złożoności operacyjnej Amazon EMR. Pozostałe opcje są nieprawidłowe, ponieważ: Użycie AWS Site-to-Site VPN z klastrem Amazon EMR do przetwarzania danych lokalnych nie zmniejszy złożoności operacyjnej lokalnego środowiska Hadoop i Spark, ani nie zapewni skalowalności lokalnej infrastruktury. AWS DataSync służy do transferu danych, a nie do uruchamiania klastrów przetwarzających dane lokalnie w sposób skalowalny i zarządzany przez AWS. Użycie AWS Snowball do migracji danych do Amazon S3 przenosi przetwarzanie danych do chmury AWS, co jest sprzeczne z wymaganiem utrzymania przetwarzania danych lokalnie.