Команда, занимающаяся медико-биологическими науками, генерирует около 200 ГБ данных на каждый геном с секвенаторов. Они запускают 10–15 заданий в день. Каждое задание может занимать несколько часов при идеальных вычислительных ресурсах. Данные секвенирования хранятся в локальной SAN, и у компании есть высокоскоростное соединение AWS Direct Connect. Конечные результаты должны храниться в Amazon S3. Команда хочет перенести платформу анализа геномики в AWS, чтобы масштабироваться в соответствии со спросом и сократить время выполнения. Какое решение соответствует этим требованиям?

Правильный ответ — AWS DataSync для передачи данных, S3-события для запуска Lambda, которая запускает Step Functions, ECR для образов Docker и AWS Batch для обработки. DataSync обеспечивает быструю и безопасную передачу больших объемов данных по Direct Connect в S3. S3-события, Lambda и Step Functions создают бессерверный, масштабируемый и управляемый рабочий процесс. ECR централизует хранение образов Docker, а AWS Batch идеально подходит для выполнения высокопроизводительных пакетных рабочих нагрузок, таких как геномный анализ, автоматически масштабируя ресурсы. Неправильные варианты: AWS Snowball Edge не подходит для ежедневных или частых передач данных. AWS Data Pipeline устарел и менее эффективен для передачи данных по сравнению с DataSync, а запуск группы EC2 Auto Scaling напрямую через S3-события для обработки контейнеров менее управляем, чем AWS Batch. AWS Storage Gateway (файловый шлюз) предназначен для предоставления локального доступа к облачному хранилищу, а не для одноразовой или регулярной передачи больших объемов данных в S3 для последующей обработки.