Bir mobil oyun şirketi, oyun uygulamasından veri alması ve bu verileri üç dahili tüketiciye sunması gerekiyor. Her kayıt yaklaşık 20 KB boyutunda. Şirket, her cihazdan en uygun verim almak istiyor ve dahili tüketici başına özel verim sağlayan bir akış işleme uygulamasına ihtiyaç duyuyor. Hangi çözüm bu gereksinimleri karşılar?

Doğru seçenek, mobil uygulamanın verileri Amazon Kinesis Data Streams'e göndermek için PutRecords API işlemini kullanmasını ve her dahili tüketici için gelişmiş fan-out özelliğiyle ayrı bir akış oluşturmasını önerir. Kinesis Data Streams, yüksek hacimli veri akışlarını gerçek zamanlı olarak işlemek için tasarlanmıştır ve PutRecords API işlemi, birden fazla kaydı tek bir çağrıda göndermeye olanak tanıyarak verimliliği artırır. Gelişmiş fan-out özelliği, her tüketiciye özel bir verim sağlayarak bağımsız okuma kapasitesi sunar ve böylece tüketici başına özel verim gereksinimini karşılar. Diğer seçenekler neden yanlış: Kinesis Data Firehose, genellikle verileri depolama hizmetlerine (S3, Redshift vb.) teslim etmek için kullanılır ve gerçek zamanlı, tüketici başına özel verim sağlayan akış işleme senaryoları için Kinesis Data Streams kadar esnek değildir. Ayrıca, Firehose'da özel verim için AWS Support vakası açmak, anında çözüm yerine ek adımlar gerektirir. KPL, Kinesis Data Streams ile kullanılır ve Firehose ile doğrudan entegre değildir. EC2 örneklerinde manuel olarak otomatik ölçeklendirme yapılandırmak, Kinesis Data Streams'in yerleşik gelişmiş fan-out özelliğine kıyasla daha fazla yönetim yükü ve karmaşıklık getirir.