Firma zakupiła urządzenia od wielu dostawców. Każde urządzenie posiada czujniki IoT, które wysyłają komunikaty o stanie w zastrzeżonym formacie każdego dostawcy do starszej aplikacji, która parsuje je do formatu JSON. Parsowanie jest proste, ale specyficzne dla dostawcy. Raz dziennie aplikacja parsuje wszystkie rekordy JSON i zapisuje je do relacyjnej bazy danych w celu analizy. Firma chce nowego projektu analizy danych, który będzie szybszy i bardziej opłacalny. Które rozwiązanie spełnia te wymagania?

Poprawna odpowiedź jest najbardziej opłacalna i skalowalna. AWS IoT Core efektywnie zarządza dużą liczbą urządzeń i wiadomości. Funkcja AWS Lambda jest idealna do bezserwerowego parsowania danych specyficznych dla dostawcy, a zapisywanie do Amazon S3 jest ekonomicznym sposobem przechowywania danych. AWS Glue kataloguje dane, a Amazon Athena umożliwia szybkie i opłacalne zapytania SQL bezpośrednio na danych w S3, bez konieczności ładowania ich do bazy danych. Amazon QuickSight zapewnia wizualizację. Pozostałe opcje są mniej optymalne: Migracja aplikacji parsującej do AWS Fargate i ładowanie do Amazon Redshift jest droższe i bardziej złożone niż rozwiązanie bezserwerowe z S3 i Athena. Wdrażanie AWS Transfer for SFTP i modyfikowanie czujników IoT w celu wysyłania plików .csv jest nieefektywne dla strumieniowego przesyłania danych IoT i wymagałoby zmian w urządzeniach. Użycie AWS Snowball Edge do lokalnego zbierania danych jest przeznaczone dla środowisk z ograniczoną łącznością lub bardzo dużymi zbiorami danych, a nie dla ciągłego strumienia danych IoT.