一個 IoT 平台透過在 Application Load Balancer 後方的 EC2 上的 Node.js API 伺服器接收感測器資料，並將其儲存在單一 4 TB 通用型 SSD 上的 RDS MySQL 實例中。感測器數量不斷增長；API 伺服器過載，且 RDS 顯示寫入延遲很高。哪兩項措施可以共同提供永久、可擴展且具成本效益的解決方案，以應對更多感測器加入的情況？

Kinesis Data Streams 是一個高度可擴展的即時資料串流服務，可以處理來自大量感測器的高吞吐量資料，並透過與 Lambda 整合進行無伺服器處理，有效解決 API 伺服器過載問題。DynamoDB 是一個完全託管的 NoSQL 資料庫，提供單一毫秒延遲的效能，並能自動擴展以應對任何規模的負載，非常適合 IoT 資料這種高寫入、無模式的特性，解決了 RDS 的寫入延遲問題。 將 MySQL 磁碟區增加到 6 TB 雖然可能增加 IOPS，但通用型 SSD 的 IOPS 仍有上限，無法根本解決高寫入延遲和未來擴展性問題。使用 X-Ray 進行故障排除和增加 API 伺服器僅是暫時緩解，未能解決資料庫層的瓶頸。重新架構資料庫層使用 Aurora 並新增讀取複本，雖然改善了 RDS 的擴展性，但對於寫入密集型的 IoT 資料，其寫入效能和成本效益仍不如 DynamoDB。