Геномное устройство отправляет 8 КБ данных каждую секунду на платформу данных. Требования: аналитика в режиме, близком к реальному времени, гибкий/параллельный/надежный прием данных и доставка обработанных результатов в хранилище данных. Какой дизайн должен выбрать архитектор решений?

Правильный ответ — использование Amazon Kinesis Data Streams для приема данных с устройства, анализ потока с помощью клиентов Kinesis и загрузка результатов в кластер Amazon Redshift с помощью Amazon EMR. Kinesis Data Streams обеспечивает гибкий, параллельный и надежный прием данных, что критически важно для потоков в режиме, близком к реальному времени. Клиенты Kinesis могут выполнять аналитику непосредственно на потоке данных. Amazon Redshift является подходящим хранилищем данных для аналитики, а Amazon EMR эффективно обрабатывает и загружает большие объемы данных. Остальные варианты менее оптимальны: Amazon Kinesis Data Firehose подходит для сбора данных, но его возможности аналитики на лету ограничены по сравнению с Kinesis Data Streams. Amazon RDS не является оптимальным выбором для аналитического хранилища данных. Хранение данных в Amazon S3 с последующей обработкой через SQS и Kinesis вносит задержки и усложняет архитектуру для аналитики, близкой к реальному времени. Использование API Gateway и SQS добавляет накладные расходы и задержки, не обеспечивая при этом преимуществ потоковой обработки Kinesis для аналитики в режиме, близком к реальному времени.