一家金融公司每秒接收數千筆 JSON 市場資料記錄，需要一個可擴展且營運開銷最少的 AWS 解決方案，以即時偵測異常資料點。哪種設計符合這些要求？

正確答案是將即時資料擷取到 Amazon Kinesis Data Streams，並使用 Amazon MSK for Apache Flink 中的 RANDOMCUTFOREST 函數處理串流並偵測異常。Kinesis Data Streams 提供高吞吐量的即時資料擷取。Amazon MSK for Apache Flink 是一個全受管服務，可以直接在串流資料上執行複雜的分析，其中包含內建的 RANDOMCUTFOREST 函數，非常適合即時異常偵測，且營運開銷最少。 其他選項的缺點： 將資料擷取到 Kinesis Data Streams 並使用 SageMaker 端點與 Lambda 函數會增加額外的延遲和營運複雜性，因為需要管理 Lambda 函數和 SageMaker 端點的擴展。 在 EC2 實例上執行 Apache Kafka 增加了管理基礎設施的營運開銷，不符合「營運開銷最少」的要求。 將即時資料傳送到 SQS FIFO 佇列並使用 Lambda 啟動 AWS Glue ETL 任務進行批次異常偵測不符合「即時偵測」的要求，因為 Glue ETL 任務是批次處理。