Bir güvenlik satıcısı, binlerce küresel uç noktadan her 30 saniyede bir telemetri almaktadır. Kayıtlar ~1 KB boyutunda ve 50 alana sahiptir. Veriler Kinesis Data Streams'e alınır ve Athena sorguları için 7-12 alanı okuyacak şekilde saatlik özetler üretilmelidir. Alınan verileri dönüştürmek ve depolamak için en az özelleştirme gerektiren yaklaşım hangisidir?

Kinesis Data Analytics, Kinesis Data Streams'den gelen veriler üzerinde gerçek zamanlı SQL sorguları çalıştırmak için tasarlanmıştır. Bu, gelen verileri saatlik olarak toplama ve istenen 7-12 alanı seçerek dönüştürme gereksinimini en az özelleştirme ile karşılar. Dönüştürülen özetler daha sonra Kinesis Data Firehose aracılığıyla doğrudan S3'e gönderilebilir. Diğer seçenekler daha fazla özelleştirme veya karmaşıklık gerektirir: AWS Lambda kullanmak, akıştan veri okumak, toplamak ve dönüştürmek için özel kod yazmayı gerektirir. Kinesis Data Firehose ile Amazon EMR kullanmak, bir EMR kümesi yönetmeyi ve dönüşüm mantığını kodlamayı gerektirir, bu da daha fazla operasyonel yük getirir. Kinesis Data Firehose'a Lambda eklemek, Firehose'un yerleşik dönüşüm yetenekleri olsa da, bu senaryoda Kinesis Data Analytics'in sunduğu SQL tabanlı, sürekli işleme yeteneği kadar verimli değildir.