Firma migruje swoją lokalną platformę IoT do AWS. Platforma składa się z: klastra MongoDB przechowującego zebrane i przetworzone dane IoT; aplikacji, która używa MQTT do odpytywania urządzeń co 5 minut; cyklicznych zadań generujących raporty (zadania trwają 120–600 sekund); oraz publicznej aplikacji internetowej, która udostępnia raporty. Firma chce zmniejszyć obciążenie operacyjne przy zachowaniu wydajności. Która kombinacja kroków zapewnia wymagane rozwiązanie przy NAJMNIEJSZYM obciążeniu operacyjnym? (Wybierz trzy.)

Migracja klastra MongoDB do Amazon DocumentDB (zgodnego z MongoDB) zmniejsza obciążenie operacyjne, ponieważ DocumentDB to w pełni zarządzana usługa bazy danych, eliminująca potrzebę zarządzania infrastrukturą. Podłączenie urządzeń do AWS IoT Core i użycie reguł IoT do wyzwalania funkcji Lambda do przetwarzania danych to skalowalne i bezserwerowe rozwiązanie dla danych IoT, zmniejszające obciążenie operacyjne w porównaniu do samodzielnego zarządzania aplikacją MQTT. Tworzenie maszyn stanowych AWS Step Functions z zadaniami AWS Lambda do generowania raportów i zapisywania ich w Amazon S3, a następnie udostępnianie ich przez CloudFront z originem S3, to bezserwerowe i skalowalne podejście do generowania i dostarczania raportów, minimalizujące obciążenie operacyjne. Inne opcje są mniej optymalne. Wdrożenie klastra EKS zwiększa obciążenie operacyjne. Migracja MongoDB do instancji EC2 nie zmniejsza obciążenia operacyjnego, ponieważ nadal wymaga zarządzania serwerem. Funkcja Lambda bezpośrednio łącząca się z urządzeniami IoT jest mniej efektywna niż użycie AWS IoT Core.