Компания управляет веб-приложением онлайн-торговой площадки, которое обслуживает сотни тысяч пользователей в пиковые часы. Компании требуется масштабируемое решение, работающее почти в реальном времени, для обмена миллионами финансовых транзакций с несколькими внутренними приложениями. Транзакции должны быть обработаны для удаления конфиденциальных данных перед сохранением в документоориентированной базе данных для извлечения с низкой задержкой. Что должен порекомендовать архитектор решений?

Правильный ответ — передача данных транзакций в Amazon Kinesis Data Streams, использование интеграции AWS Lambda для удаления конфиденциальных данных из каждой транзакции, затем сохранение данных транзакций в Amazon DynamoDB и предоставление другим приложениям возможности потреблять данные транзакций из потока данных Kinesis. Это решение обеспечивает масштабируемую обработку в реальном времени, позволяя Lambda удалять конфиденциальные данные до сохранения в DynamoDB для низколатентного доступа. Kinesis Data Streams также позволяет нескольким внутренним приложениям потреблять данные параллельно. Первый вариант неверен, так как DynamoDB не имеет встроенных правил для удаления конфиденциальных данных при записи, и DynamoDB Streams не предназначен для активного обмена данными с несколькими внутренними приложениями в качестве основного источника. Второй вариант неоптимален, поскольку Kinesis Data Firehose больше подходит для доставки данных в хранилища, а не для сложной обработки в реальном времени, такой как удаление конфиденциальных данных перед сохранением в DynamoDB. Четвертый вариант неверен, так как пакетная обработка в S3 не обеспечивает обработку "почти в реальном времени", требуемую для финансовых транзакций.