Musisz zbudować potok predykcyjnego utrzymania ruchu w czasie rzeczywistym, który odbiera dane z urządzeń z odległych lokalizacji (bez Direct Connect lub VPN). Potok musi: pobierać dane do Amazon S3 w czasie rzeczywistym, przekształcać przychodzące surowe rekordy w czyste pliki CSV podczas pobierania, przechowywać oryginalne surowe rekordy w S3 oraz umieszczać wszelkie rekordy, które nie przeszły transformacji, w wyznaczonej lokalizacji S3 do przeglądu przez człowieka. Która architektura wymaga najmniejszego wysiłku, aby spełnić te wymagania?

Ta opcja jest najmniej pracochłonna, ponieważ Amazon Kinesis Data Firehose jest usługą zarządzaną, zaprojektowaną do łatwego ładowania danych strumieniowych do S3. Bezpośrednio obsługuje wszystkie wymagania: S3 jako miejsce docelowe dostarczania, transformację danych za pomocą funkcji AWS Lambda, przechowywanie surowych rekordów poprzez tworzenie kopii zapasowych rekordów źródłowych oraz dostarczanie rekordów, które nie przeszły transformacji, do wyznaczonej lokalizacji S3 (prefiks błędu). Inne opcje są mniej optymalne: Amazon MSK wymaga większego wysiłku operacyjnego i zarządzania klastrem Kafka oraz zadaniami ECS. Użycie zadania AWS Glue Apache Spark do transformacji jest bardziej złożone i droższe niż funkcja Lambda dla tego przypadku użycia. Umieszczenie Kinesis Data Streams przed Firehose dodaje niepotrzebną złożoność i koszty, ponieważ Firehose może bezpośrednio przyjmować dane i obsługiwać transformacje.