Bir şirket, kullanıcıların fotoğraf yüklediği ve fotoğraf çerçeveleri seçtiği bir görüntü analiz uygulaması geliştirdi. Şu anda tek bir Amazon EC2 instance'ı ve meta veriler için Amazon DynamoDB kullanıyor. Kullanıcı trafiği günün saatine göre önemli ölçüde değişiyor ve eşzamanlı kullanıcı sayısı artacak. Şirket, uygulamanın talebi karşılayacak şekilde ölçeklenebildiğinden emin olmalıdır. Bu gereksinimleri hangi çözüm karşılar?

Doğru cevap, AWS Lambda'yı fotoğraf işleme için kullanmak, fotoğrafları Amazon S3'te depolamak ve meta veriler için DynamoDB'yi korumaktır. Bu çözüm, uygulamanın talebe göre otomatik olarak ölçeklenmesini sağlar. AWS Lambda, sunucusuz bir hizmettir ve gelen isteklere göre otomatik olarak ölçeklenir, bu da değişen kullanıcı trafiği için idealdir. Amazon S3, nesne depolama için yüksek ölçeklenebilirlik, dayanıklılık ve maliyet etkinliği sunar. DynamoDB ise meta veriler için hızlı ve ölçeklenebilir bir NoSQL veritabanıdır. Diğer seçenekler neden yanlış: Fotoğrafları ve meta verileri doğrudan DynamoDB'de depolamak, DynamoDB'nin büyük ikili nesneler (BLOB'lar) için tasarlanmamış olması ve depolama maliyetlerinin yüksek olması nedeniyle uygun değildir. Amazon Kinesis Data Firehose, gerçek zamanlı akış verilerini yakalamak, dönüştürmek ve yüklemek için tasarlanmıştır, fotoğraf işleme ve depolama için birincil araç değildir. EC2 instance sayısını artırmak ve EBS io2 birimleri kullanmak, ölçeklenebilirlik sorununu kısmen çözse de, AWS Lambda'nın sunduğu otomatik ölçeklenme ve sunucusuz avantajları sağlamaz ve yönetimi daha karmaşıktır. Ayrıca, EBS birimleri instance'lara bağlıdır ve S3'ün sunduğu nesne depolama esnekliğini sunmaz.