Firma telekomunikacyjna zbiera kilka tysięcy punktów danych o wykorzystaniu sieci na sekundę i przetwarza je w czasie rzeczywistym, agregując i przechowując wyniki w instancji Amazon Aurora DB. Nagłe spadki wykorzystania zazwyczaj wskazują na awarie, a firma musi wykrywać te spadki i reagować natychmiast z najniższym możliwym opóźnieniem. Które rozwiązanie zapewnia wykrywanie z najniższym opóźnieniem?

Poprawna odpowiedź to modyfikacja aplikacji przetwarzającej w celu publikowania danych do strumienia danych Amazon Kinesis i użycie Amazon Managed Service for Apache Flink do wykrywania spadków. Kinesis Data Streams umożliwia przesyłanie danych w czasie rzeczywistym, a Apache Flink jest idealny do przetwarzania strumieniowego z niskimi opóźnieniami, co pozwala na natychmiastowe wykrywanie anomalii. Pozostałe opcje mają większe opóźnienia: Funkcja Lambda odpytująca Aurora co minutę wprowadza opóźnienie do jednej minuty. Zastąpienie Aurora przez DynamoDB z Lambdą odpytującą co minutę również wprowadza opóźnienie do jednej minuty. DAX nie zmniejszy opóźnienia wykrywania, tylko przyspieszy odczyty z DynamoDB. Database Activity Streams w Aurora są przeznaczone do monitorowania aktywności bazy danych, a nie do analizy danych w czasie rzeczywistym z niskim opóźnieniem w celu wykrywania spadków wykorzystania sieci.