一個 Podcast 平台記錄了大量的用戶事件，並使用 10 分鐘的滾動視窗執行異常偵測模型。每個事件在推斷之前都需要進行少量轉換。哪種事件擷取和預處理設計能以最少的操作負擔提供所需的轉換？

此設計利用 Amazon Kinesis Data Streams 進行即時事件擷取，並透過 Kinesis Data Analytics (Apache Flink) 應用程式直接處理串流資料。Apache Flink 擅長處理滾動視窗操作和即時轉換，能以低延遲和高效率的方式產生所需的 10 分鐘轉換後資料，且操作負擔最小。 選項 A (AppSync/DynamoDB/Lambda) 涉及多個服務跳轉，且 DynamoDB Streams 觸發 Lambda 處理滾動視窗資料效率較低。選項 B (Kinesis Data Streams/Firehose/S3/Glue) 將資料寫入 S3 後再使用 Glue 進行批次轉換，不符合即時滾動視窗處理的需求。選項 D (MSK/Lambda) 中，Lambda 處理滾動視窗資料需要自行管理狀態和視窗邏輯，增加了操作複雜度。