Bir podcast platformu, kullanıcı olaylarının 10 dakikalık kayan bir penceresini analiz ederek düşük etkileşimi tespit eder. Olayları almanız ve minimum operasyonel yük ile çıkarım çalıştırmadan önce en son 10 dakikalık veriyi dönüştürmeniz gerekir. En iyi tasarım hangisidir?

Doğru cevap, olayları Amazon Kinesis Data Streams ile almak ve çıkarım yapmadan önce en son 10 dakikalık veriyi dönüştürmek için Amazon Kinesis Data Analytics'i kullanmaktır. Kinesis Data Streams, yüksek hacimli, gerçek zamanlı veri akışlarını yakalamak için idealdir. Kinesis Data Analytics ise akış halindeki veriler üzerinde kayan pencereler gibi karmaşık analizler yapma yeteneği sunar ve bu senaryodaki 10 dakikalık kayan pencere gereksinimini doğrudan karşılar. Bu kombinasyon, minimum operasyonel yük ile gerçek zamanlı veri işleme ve dönüşüm sağlar. Diğer seçenekler neden yanlış: Amazon MSK (Managed Streaming for Apache Kafka) kullanmak da bir seçenek olsa da, Kinesis Data Analytics'in doğrudan akış verisi üzerinde kayan pencere analizi yapma yeteneği bu senaryo için daha entegre ve yönetimi daha kolay bir çözüm sunar. Kinesis Data Firehose ile veriyi S3'e teslim etmek ve ardından AWS Lambda kullanmak, veriyi önce depolama alanına yazıp sonra işlemek anlamına gelir ki bu, gerçek zamanlı kayan pencere analizi için ek gecikme ve operasyonel karmaşıklık yaratır. Lambda, bu tür sürekli akış işleme için Kinesis Data Analytics kadar optimize değildir.