您需要一個無伺服器、即時的擷取和分析管線，用於處理高流量的串流 JSON 事件。該管線必須緩衝資料、將 JSON 轉換為針對查詢最佳化的欄位格式而不會遺失資料、將結果儲存在高可用性的資料儲存中，並讓分析師執行 SQL 查詢和連接 BI 儀表板。哪種設計最能滿足這些要求？

正確答案描述了一個無伺服器、即時且高效的解決方案。使用受管的串流傳遞服務（如 Kinesis Data Firehose）可以緩衝資料並自動將 JSON 轉換為 Parquet 或 ORC 等欄位格式，同時利用 Data Catalog 進行模式管理。將資料儲存在物件儲存（如 S3）中可確保高可用性。無伺服器 SQL 查詢引擎（如 Athena）允許分析師直接查詢 S3 中的資料，並透過 JDBC 連接器整合 BI 工具。 其他選項的缺點： 將每個 JSON 記錄寫入 S3 並觸發無伺服器函數進行轉換效率較低，因為每次轉換都會產生額外的函數調用和開銷，不適合高流量場景。 將處理後的資料插入關聯式資料庫會引入資料庫的擴展和管理複雜性，可能無法滿足高流量串流資料的需求，且成本較高。 使用即時 SQL 串流處理服務（如 Kinesis Data Analytics for SQL）雖然可以轉換資料，但通常不會直接將其轉換為 Parquet 並傳遞到物件儲存，而是用於即時分析或將結果輸出到其他目的地。