Компания собирает данные логов в реальном времени с помощью Amazon Kinesis Data Streams и хочет выполнять запросы в реальном времени, а также обогащать логи в Amazon Redshift. Какой метод приема данных обеспечивает наименьшие операционные издержки для загрузки данных в Redshift?

Правильный ответ — использование потокового приема данных Amazon Redshift из Kinesis Data Streams с материализованным представлением. Этот метод обеспечивает наименьшие операционные издержки, поскольку Redshift напрямую потребляет данные из Kinesis Data Streams, устраняя необходимость в промежуточных сервисах или сложных ETL-процессах. Материализованное представление позволяет выполнять запросы в реальном времени и обогащение данных непосредственно в Redshift. Остальные варианты требуют дополнительных шагов или сервисов: Kinesis Data Firehose в Redshift: Firehose может отправлять данные в Redshift, но это требует настройки Firehose и может повлечь за собой дополнительные операционные издержки по сравнению с прямым потоковым приемом Redshift. Kinesis Data Firehose в S3 с последующей загрузкой в Redshift: Этот вариант добавляет Amazon S3 в качестве промежуточного хранилища и требует настройки Redshift для периодической загрузки данных, что увеличивает сложность и операционные издержки. Amazon Managed Service for Apache Flink в Redshift: Flink — мощный инструмент для обработки потоков, но его настройка и управление для простой передачи данных в Redshift могут быть избыточными и более затратными с точки зрения операционных издержек, чем прямой потоковый прием Redshift.