Sprzedawca detaliczny zbiera dane dotyczące zakupów z 20 000 sklepów do Amazon S3 za pośrednictwem Amazon Kinesis Data Firehose. Codzienne trenowanie modelu wymaga prostych transformacji atrybutów i pewnych kombinacji pól. Jaka zmiana wymaga najmniejszego wysiłku deweloperskiego, aby zastosować te proste transformacje przed trenowaniem?

Poprawna odpowiedź to dołączenie aplikacji Amazon Kinesis Data Analytics za strumieniem Firehose w celu wykonania prostych transformacji rekordów opartych na SQL. Kinesis Data Analytics umożliwia przetwarzanie strumieniowe danych w czasie rzeczywistym za pomocą zapytań SQL, co jest idealne do prostych transformacji atrybutów i łączenia pól. Jest to rozwiązanie bezserwerowe i zarządzane, co minimalizuje wysiłek deweloperski. Pozostałe opcje wymagają większego wysiłku deweloperskiego lub są mniej efektywne dla tego scenariusza: Przechowywanie danych w AWS Storage Gateway, a następnie uruchamianie zadań AWS Glue, wprowadza dodatkową warstwę przechowywania i złożoność. Uruchomienie klastra Amazon EMR z Apache Spark to potężne, ale bardziej złożone rozwiązanie, które jest zazwyczaj używane do bardziej skomplikowanych transformacji i analiz. Uruchomienie floty instancji Amazon EC2 wymaga zarządzania infrastrukturą i ręcznego skalowania, co zwiększa wysiłek operacyjny i deweloperski.