Платформа IoT принимает данные с датчиков через API-серверы Node.js на EC2 за балансировщиком нагрузки Application Load Balancer и хранит их в экземпляре RDS MySQL на одном SSD общего назначения объемом 4 ТБ. Количество датчиков растет; API-серверы перегружены, а RDS показывает высокую задержку записи. Какие два действия вместе обеспечивают постоянное, масштабируемое и экономически эффективное решение по мере добавления новых датчиков?

Проблема заключается в перегрузке API-серверов и высокой задержке записи в RDS MySQL. Использование Amazon Kinesis Data Streams для приема необработанных данных с датчиков и их обработки с помощью AWS Lambda решает проблему перегрузки API-серверов, предоставляя высокомасштабируемый и управляемый сервис для потоковой передачи данных, который может обрабатывать миллионы событий в секунду. Lambda позволяет бессерверно обрабатывать эти данные. Перестройка уровня базы данных для использования Amazon DynamoDB вместо RDS MySQL решает проблему высокой задержки записи. DynamoDB — это полностью управляемая бессерверная база данных NoSQL, которая обеспечивает одноцифровые миллисекундные задержки при любом масштабе, что идеально подходит для высокоскоростных операций записи с датчиков. Увеличение размера тома MySQL до 6 ТБ может улучшить IOPS, но не решает фундаментальную проблему масштабируемости RDS для высокоскоростных операций записи и не устраняет перегрузку API-серверов. Перестройка на Amazon Aurora с репликами для чтения улучшит масштабируемость чтения, но не решит проблему высокой задержки записи для интенсивных операций записи с датчиков. AWS X-Ray для устранения неполадок и добавление API-серверов являются временными мерами, а не долгосрочным масштабируемым решением.