Bir şirket, yeni akış cihazı verilerini kullanarak ML modellerini periyodik olarak yeniden eğitiyor. Yüksek verimli, dayanıklı, ölçeklenebilir, 5 dakikaya kadar alım gecikmesine tolerans gösterebilen ve alım sırasında temel dönüşümler uygulayabilen bir alım sistemine ihtiyaçları var. Hangi yaklaşım en yüksek operasyonel verimliliği sağlar?

Doğru seçenek, Kinesis Data Streams'in yüksek verimli, dayanıklı ve ölçeklenebilir veri alımını sağlaması, Kinesis Data Firehose'un ise 5 dakikaya kadar gecikmeye tolerans göstererek verileri S3'e kolayca aktarmasıdır. Lambda fonksiyonu, alım sırasında temel dönüşümleri verimli bir şekilde gerçekleştirmek için idealdir. Diğer seçenekler şunlar nedeniyle daha az etkilidir: Cihazların doğrudan S3'e yazması, akış verileri için daha az verimli ve daha karmaşık bir dönüşüm süreci gerektirir. S3 olaylarında AWS Glue işlerini tetiklemek, 5 dakikalık gecikme toleransı için gereksiz yere karmaşık ve potansiyel olarak daha yavaş bir çözümdür. Kinesis Data Firehose'a bir AWS Glue işi bağlamak, Firehose'un yerleşik Lambda dönüşüm yeteneği varken gereksiz bir ek karmaşıklık getirir ve Glue işlerinin başlangıç gecikmeleri olabilir.