Firma prowadzi aplikację internetową marketplace, która w szczytowych momentach obsługuje setki tysięcy użytkowników. Firma potrzebuje skalowalnego rozwiązania działającego w czasie zbliżonym do rzeczywistego, aby udostępniać miliony transakcji finansowych kilku wewnętrznym aplikacjom. Transakcje muszą być przetwarzane w celu usunięcia poufnych danych przed zapisaniem ich w bazie danych dokumentów w celu pobierania z niskim opóźnieniem. Co powinien zarekomendować architekt rozwiązań?

Poprawna odpowiedź wykorzystuje Amazon Kinesis Data Streams do przetwarzania danych w czasie zbliżonym do rzeczywistego i obsługi setek tysięcy użytkowników. Integracja z AWS Lambda pozwala na natychmiastowe usunięcie poufnych danych z każdej transakcji, co jest kluczowe przed zapisaniem ich w bazie danych. Następnie dane są przechowywane w Amazon DynamoDB, zapewniając niskie opóźnienia w dostępie. Inne aplikacje mogą korzystać zarówno z danych w DynamoDB, jak i bezpośrednio ze strumienia Kinesis, co zapewnia elastyczność i skalowalność. Pozostałe opcje są mniej optymalne: Zapisywanie bezpośrednio do DynamoDB z regułą usuwającą dane podczas zapisu nie jest standardową funkcjonalnością DynamoDB do transformacji danych. DynamoDB Streams służą do replikacji zmian, a nie do ich modyfikacji przed zapisem. Kinesis Data Firehose jest przeznaczony głównie do dostarczania danych do miejsc docelowych, a nie do aktywnego przetwarzania strumienia w czasie rzeczywistym przez wiele aplikacji. Użycie S3 jako głównego źródła dla innych aplikacji wprowadza dodatkowe opóźnienia. Przetwarzanie danych w partiach w Amazon S3 nie spełnia wymogu przetwarzania w czasie zbliżonym do rzeczywistego dla milionów transakcji.