Urządzenie genomowe wysyła 8 KB danych co sekundę do platformy danych. Wymagania: analityka w czasie zbliżonym do rzeczywistego, elastyczne/równoległe/trwałe pozyskiwanie danych oraz dostarczanie przetworzonych wyników do hurtowni danych. Jaki projekt powinien wybrać architekt rozwiązań?

Prawidłowa odpowiedź to użycie Amazon Kinesis Data Streams do pozyskiwania danych z urządzenia, analizowanie strumienia za pomocą klientów Kinesis i ładowanie wyników do klastra Amazon Redshift za pomocą Amazon EMR. Kinesis Data Streams jest idealne do pozyskiwania danych w czasie zbliżonym do rzeczywistego, oferując elastyczność, równoległość i trwałość. Klienci Kinesis (np. Kinesis Data Analytics lub niestandardowe aplikacje) mogą przetwarzać dane w locie, spełniając wymagania analityki w czasie zbliżonym do rzeczywistego. Amazon EMR jest odpowiedni do efektywnego ładowania przetworzonych danych do Amazon Redshift, który służy jako hurtownia danych. Pozostałe opcje są mniej odpowiednie: Amazon Kinesis Data Firehose jest prostszy, ale mniej elastyczny w przypadku niestandardowej analityki w czasie rzeczywistym. Amazon RDS nie jest typową hurtownią danych dla dużych obciążeń analitycznych. Przechowywanie danych w Amazon S3, a następnie przetwarzanie przez Kinesis z SQS, wprowadza opóźnienia i nie jest optymalne dla analityki w czasie zbliżonym do rzeczywistego. API Gateway i SQS wprowadzają dodatkowe warstwy i opóźnienia, a Lambda może być kosztowna dla ciągłego przetwarzania dużych strumieni danych.