Bir uygulama, iş yükü metriklerini döndüren bir API sunar. Şirket, sorunları belirlemek için bu metrikleri büyük ölçekte toplamalı, analiz etmeli ve görselleştirmelidir. Bu gereksinimleri hangi eylemler kümesi karşılayacaktır? (Üç tane seçin.)

Doğru seçenekler, iş yükü metriklerini toplama, analiz etme ve görselleştirme için eksiksiz ve ölçeklenebilir bir çözüm sunar. İlk doğru seçenek, bir EventBridge kuralı ile tetiklenen bir Lambda işlevi kullanarak API'den metrikleri periyodik olarak çeker ve verileri uygun maliyetli depolama için Amazon S3'e yazar. İkinci doğru seçenek, S3'teki verileri kataloglamak için AWS Glue crawler kullanır ve ardından sorgulama için Amazon Athena görünümleri oluşturur. Bu, verileri SQL kullanarak sorgulanabilir hale getirir. Üçüncü doğru seçenek, Athena görünümlerini kullanarak Amazon QuickSight'ta veri kümeleri oluşturur ve bu verileri etkileşimli panolarda görselleştirir. Yanlış seçeneklerden biri, metrikleri DynamoDB'ye yazmayı önerir. DynamoDB, yüksek oranda işlem gören veritabanı iş yükleri için tasarlanmıştır ve büyük ölçekli metrik toplama ve analiz için S3'ten daha pahalı ve daha az uygun olabilir. Bir diğeri, DynamoDB stream'e Glue crawler eklemeyi önerir, ancak Glue crawler'lar doğrudan DynamoDB stream'lerini kataloglamaz; genellikle S3'teki veya diğer veri depolarındaki verilerle çalışırlar. Son yanlış seçenek, CloudWatch panosu ve özel widget'lar aracılığıyla Athena'dan sorgulama yapmayı önerir, ancak QuickSight, veri görselleştirme ve panolar için daha zengin özelliklere sahip özel bir hizmettir.