某公司以恆定速率擷取連續的市場資料流並儲存。每晚會執行約 4 小時的聚合任務來計算統計資料；此分析不重要，如果失敗可以在下次執行時重試。目前的系統使用一組 1 年期、持續運行的 Reserved Instances 來擷取資料並儲存在連接的 EBS 磁碟區上。排程的指令碼每晚會啟動 On-Demand EC2 instances 來執行聚合，這些實例會透過 NFS 從擷取伺服器存取資料，並在工作完成時終止。Reserved Instance 的預留即將到期。該公司希望採用最具成本效益的選項。架構師應該推薦哪種解決方案？

正確選項透過將資料擷取從 EC2 轉移到 Kinesis Data Firehose 和 S3，顯著降低了成本和管理負擔。Kinesis Data Firehose 是一種完全託管的服務，可自動將串流資料傳輸到 S3，消除了維護擷取 EC2 實例的需求。S3 提供高可用性、耐久且具成本效益的儲存。對於非關鍵的聚合任務，AWS Batch 搭配 Spot Instances 是最具成本效益的解決方案，因為 Spot Instances 提供大幅折扣，且 AWS Batch 能有效管理工作負載，即使實例中斷也能重試。 其他選項的缺點： 選項一雖然將資料移至 S3，但仍使用 On-Demand EC2 實例進行批次處理，成本效益不如 Spot Instances。 選項三繼續使用 Reserved Instances 進行擷取，這比 Kinesis Data Firehose 和 S3 的組合成本更高且管理更複雜。 選項四將資料載入 Redshift，這對於僅需要每日統計資料的非關鍵分析來說，通常比 S3 儲存和基於 S3 的處理成本更高。Lambda 函數也可能不適合處理大量資料的聚合任務。