Firma przesyła strumieniowo dane IoT z czujników samochodowych do Amazon S3 za pośrednictwem Amazon Kinesis Data Firehose, generując biliony obiektów S3 rocznie. Każdego ranka firma ponownie trenuje modele ML, używając danych z poprzednich 30 dni; kwartalnie wykorzystuje dane z poprzednich 12 miesięcy do innych analiz. Dane muszą być dostępne z minimalnym opóźnieniem przez okres do 1 roku i przechowywane w celach archiwalnych po upływie 1 roku. Które rozwiązanie pamięci masowej jest najbardziej opłacalne?

Prawidłowa odpowiedź to użycie S3 Standard, następnie S3 Standard-IA po 30 dniach, a po roku S3 Glacier Deep Archive. Dane z ostatnich 30 dni są intensywnie używane do retrainingu modeli ML, co wymaga niskiego opóźnienia, dlatego S3 Standard jest odpowiednie. Dane z ostatnich 12 miesięcy są używane kwartalnie, co oznacza rzadszy dostęp, więc S3 Standard-IA jest opłacalne dla danych starszych niż 30 dni, ale młodszych niż rok. Po roku dane są archiwizowane, a S3 Glacier Deep Archive oferuje najniższe koszty przechowywania dla długoterminowej archiwizacji. S3 Intelligent-Tiering jest mniej opłacalne, ponieważ automatyczne przenoszenie do Glacier Deep Archive nie jest obsługiwane bezpośrednio, a ręczne przenoszenie do Glacier Deep Archive po roku jest mniej elastyczne niż polityka cyklu życia. S3 Standard-IA od początku nie jest optymalne, ponieważ dane z ostatnich 30 dni są często używane.