Финансовая компания получает тысячи записей JSON с рыночными данными в секунду и нуждается в масштабируемом решении AWS с минимальными операционными издержками для обнаружения аномальных точек данных в реальном времени. Какое решение соответствует этим требованиям?

Правильный ответ — использование Amazon Kinesis Data Streams с Amazon MSK for Apache Flink и функцией RANDOMCUTFOREST. Kinesis Data Streams обеспечивает масштабируемый прием тысяч записей в секунду. Apache Flink на Amazon MSK позволяет обрабатывать потоковые данные в реальном времени с минимальными операционными издержками, а встроенная функция RANDOMCUTFOREST идеально подходит для обнаружения аномалий в потоках данных без необходимости обучать отдельную модель. Вариант с SageMaker и Lambda менее оптимален из-за дополнительных накладных расходов на управление конечной точкой SageMaker и вызовы Lambda для каждой записи. Запуск Apache Kafka на EC2 увеличивает операционные издержки, поскольку требует управления инфраструктурой. SQS FIFO и AWS Glue ETL подходят для пакетной обработки, но не для обнаружения аномалий в реальном времени.