Firma finansowa otrzymuje tysiące rekordów danych rynkowych w formacie JSON na sekundę i potrzebuje skalowalnego rozwiązania AWS z minimalnym narzutem operacyjnym do wykrywania anomalnych punktów danych w czasie rzeczywistym. Który projekt spełnia te wymagania?
Wybierz odpowiedź
Dotknij opcji, aby sprawdzić swoją odpowiedź.
Poprawna odpowiedź: Pobieranie danych w czasie rzeczywistym do Amazon Kinesis Data Streams i użycie funkcji RANDOM_CUT_FOREST w Amazon MSK for Apache Flink do przetwarzania strumieni i wykrywania anomalii..
Dlaczego to jest odpowiedź
Poprawna odpowiedź wykorzystuje Amazon Kinesis Data Streams do pozyskiwania danych w czasie rzeczywistym i Amazon MSK for Apache Flink z funkcją RANDOMCUTFOREST do wykrywania anomalii w strumieniu. Jest to skalowalne, zarządzane rozwiązanie z minimalnym narzutem operacyjnym, idealne do przetwarzania danych w czasie rzeczywistym. Pozostałe opcje są mniej optymalne: Wdrożenie punktu końcowego SageMaker do wykrywania anomalii w czasie rzeczywistym i wywoływanie funkcji Lambda ze strumieni Kinesis wiąże się z większymi opóźnieniami i złożonością operacyjną. Uruchamianie Apache Kafka na instancjach EC2 zwiększa narzut operacyjny, ponieważ wymaga zarządzania infrastrukturą. Wysyłanie danych do kolejki SQS FIFO i uruchamianie zadań AWS Glue ETL do wsadowego wykrywania anomalii nie spełnia wymagań przetwarzania w czasie rzeczywistym.
Zdaj egzamin — bez niekończącego się szukania odpowiedzi
Uzyskaj wszystkie zweryfikowane pytania i wyjaśnienia do tego egzaminu w jednym miejscu i zaoszczędź godziny przygotowań. Ponad 1000 certyfikacji · Ponad 20 języków · Zacznij za darmo.
Zdaj egzamin szybciej → Karta nie jest wymagana