Агентство по мониторингу наводнений имеет более 10 000 датчиков, которые постоянно отправляют обновления размером менее 1 МБ каждое. Локальные серверы приложений получают обновления от датчиков, преобразуют их в удобочитаемые записи и записывают результаты в локальную реляционную базу данных. Аналитики выполняют простые SQL-запросы к оперативным данным. Из-за обслуживания (патчи/обновления) эти серверы имеют простои, и пока сервер не работает, оставшиеся серверы не могут справиться с нагрузкой, что приводит к потере данных. Агентство хочет повысить доступность и снизить операционные затраты и усилия. Архитектор рекомендует использовать AWS IoT Core для приема данных датчиков. Какое дополнительное решение должен рекомендовать архитектор для выполнения требований?

Правильный ответ повышает доступность и снижает операционные затраты. Amazon Kinesis Data Firehose — это полностью управляемый сервис, который автоматически масштабируется и не требует провизионирования серверов, что устраняет простои, связанные с обслуживанием. Использование AWS Lambda для преобразования данных в Apache Parquet и запись в Amazon S3 обеспечивает экономичное и масштабируемое хранилище. Apache Parquet — это эффективный колоночный формат, оптимизированный для аналитических запросов. Amazon Athena позволяет аналитикам запрашивать данные непосредственно в S3 без необходимости управлять базой данных, что снижает операционные затраты. Неправильные варианты: Использование Amazon Aurora MySQL DB для аналитических запросов может быть дорогостоящим и менее масштабируемым для больших объемов данных по сравнению с Athena на S3. Amazon Managed Service for Apache Flink (Kinesis Data Analytics) является более сложным и дорогим решением для простого преобразования данных по сравнению с Lambda, что увеличивает операционные затраты.