Bir banka, Amazon Kinesis veri akışından ham işlem verilerini alır. Çözüm, akıştan yuvarlanan ortalamaları hesaplamalı, bu özellikleri SageMaker Feature Store'da depolamalı ve neredeyse gerçek zamanlı olarak modellere sunmalıdır. Bu gereksinimleri hangi tasarım karşılar?

Doğru cevap, Kinesis Data Analytics'in akış verileri üzerinde gerçek zamanlı yuvarlanan ortalamaları hesaplama yeteneğini kullanır. Kinesis Data Analytics SQL uygulamaları, akış verilerini işlemek ve sonuçları yeni bir akışa yayınlamak için idealdir. Bir Lambda işlevi, bu sonuç akışını tüketebilir ve işlenmiş, neredeyse gerçek zamanlı özellikleri doğrudan SageMaker Feature Store'daki bir çevrimiçi özellik grubuna yazabilir. Bu, özelliklerin modellere düşük gecikmeyle sunulmasını sağlar. Diğer seçenekler ya gerçek zamanlı gereksinimi karşılamaz (S3'e yazma ve toplu işleme), ya da Feature Store'un birincil kullanım durumuna uygun değildir (Feature Store içinde yuvarlanan ortalamaları hesaplama, bu bir işlem motoru değildir).