Медиакомпания имеет репозиторий цифровых новостных видео объемом 30 ТБ, хранящихся на ленте в локальной ленточной библиотеке и индексируемых системой управления медиаактивами (MAM). Компания хочет автоматически обогащать метаданные видео (например, объекты, элементы пейзажа и лица) и сделать видео доступными для поиска через MAM. Каталог лиц уже существует с изображениями людей, которые появляются в видео. Компания планирует перенести видео в AWS и имеет высокоскоростное соединение AWS Direct Connect. Компания хочет перемещать видеофайлы непосредственно из своей текущей файловой системы с наименьшими текущими накладными расходами на управление и минимальными сбоями в существующей системе. Какое решение соответствует этим требованиям?

Правильный ответ использует AWS Storage Gateway в режиме файлового шлюза, который позволяет существующей локальной файловой системе напрямую записывать данные в Amazon S3, минимизируя изменения в текущей инфраструктуре и обеспечивая высокоскоростную передачу данных через Direct Connect. Amazon Rekognition интегрируется с S3 для автоматического обогащения метаданных видео (объекты, сцены, лица) с использованием существующего каталога лиц. Функция AWS Lambda координирует процесс извлечения метаданных из S3 с помощью Rekognition и отправляет их обратно в систему MAM, обеспечивая автоматизацию и доступность для поиска. Неправильные варианты: Использование ленточного шлюза (Tape Gateway) не подходит, так как данные хранятся на ленте локально, но требуется перенос в файловую систему S3 для обработки Rekognition, а не в виртуальные ленты. Amazon Kinesis Video Streams предназначен для потоковой передачи видео в реальном времени, что не является основной целью для 30 ТБ архивных данных и не обеспечивает прямого переноса из локальной файловой системы. Запуск инстанса EC2 с OpenCV требует значительных ручных усилий по управлению, масштабированию и разработке, что противоречит требованию минимальных операционных накладных расходов и сбоев.