Firma przesyła strumieniowo dane z czujników IoT dotyczące ruchu miejskiego do Amazon Kinesis Data Streams. Wiele aplikacji pobiera dane ze strumienia, ale kilku konsumentów jest dławionych i otrzymuje błędy ReadProvisionedThroughputExceeded. Jakie działania powinien podjąć architekt rozwiązań, aby rozwiązać problem dławienia? (Wybierz trzy.)

Zwiększenie liczby shardów w Kinesis Data Streams (sharding) zwiększa całkowitą przepustowość odczytu i zapisu, co bezpośrednio rozwiązuje problem dławienia. Użycie konsumentów z funkcją enhanced fan-out zapewnia dedykowaną przepustowość odczytu dla każdego konsumenta, eliminując rywalizację o zasoby i błędy ReadProvisionedThroughputExceeded. Wdrożenie strategii ponawiania błędów z wykładniczym wycofaniem w aplikacjach konsumenckich jest standardową praktyką w rozproszonych systemach, która pozwala aplikacjom na automatyczne odzyskiwanie po przejściowych błędach dławienia, zmniejszając obciążenie strumienia. Zmniejszenie liczby shardów zmniejszyłoby przepustowość. KPL jest dla producentów, nie konsumentów. Dynamiczne partycjonowanie nie jest funkcją Kinesis Data Streams.