Bir IoT platformu, bir Application Load Balancer arkasındaki EC2 üzerindeki Node.js API sunucuları aracılığıyla sensör verilerini alır ve bunları tek bir 4 TB Genel Amaçlı SSD üzerindeki bir RDS MySQL örneğinde depolar. Sensör sayısı artıyor; API sunucuları aşırı yüklenmiş durumda ve RDS yüksek yazma gecikmesi gösteriyor. Daha fazla sensör eklendikçe kalıcı, ölçeklenebilir ve uygun maliyetli bir çözüm sağlayan iki eylem birlikte hangileridir?

Mevcut mimarideki temel sorunlar, API sunucularının aşırı yüklenmesi ve RDS MySQL'in yüksek yazma gecikmesidir. Kinesis Data Streams, yüksek hacimli sensör verilerini alıp işlemek için son derece ölçeklenebilir bir hizmettir ve API sunucularının yükünü azaltır. Lambda, bu verileri sunucusuz bir şekilde işleyebilir. DynamoDB ise, yüksek yazma ve okuma performansına sahip, anahtar-değer ve belge veritabanı olarak tasarlanmış, ölçeklenebilir ve yönetilen bir NoSQL veritabanıdır. Bu kombinasyon, hem alım hem de depolama katmanında ölçeklenebilirlik, performans ve maliyet etkinliği sağlar. EBS birimini 6 TB'a çıkarmak yalnızca IOPS'u artırır ancak temel mimari sorunlarını çözmez ve maliyetli olabilir. Aurora'ya geçiş ve okuma replikaları eklemek okuma performansını artırsa da, yüksek yazma gecikmesi sorununu tam olarak çözmez ve IoT verileri için en uygun çözüm olmayabilir. X-Ray ve daha fazla API sunucusu eklemek geçici bir çözüm olabilir ancak temel ölçeklenebilirlik sorunlarını gidermez ve maliyetleri artırır.