某公司向多家供應商採購了設備。每台設備都有 IoT 感測器，會以各供應商的專有格式傳送狀態訊息到一個傳統應用程式，該程式會將這些訊息解析成 JSON。解析過程很簡單，但會因供應商而異。該應用程式每天會解析所有 JSON 記錄一次，並將其寫入關聯式資料庫進行分析。該公司希望新的資料分析設計能更快、更具成本效益。哪種解決方案符合這些要求？

正確答案提供了一個現代化的無伺服器解決方案，能有效處理來自多個供應商的 IoT 感測器資料。AWS IoT Core 可以即時接收和路由感測器資料。IoT 規則能觸發 Lambda 函數，根據不同供應商的專有格式進行解析，這比傳統應用程式每天批次處理一次更即時且具彈性。將資料儲存為 S3 中的 CSV 檔案是經濟高效的儲存方式。AWS Glue Data Catalog 和 Amazon Athena 提供了無伺服器查詢功能，可以直接分析 S3 中的資料，無需預先載入資料庫，顯著降低成本並提高分析速度。Amazon QuickSight 則提供了視覺化功能。 將解析應用程式遷移到 Fargate 雖然能實現無伺服器運算，但將解析後的資料直接載入 Redshift 可能會增加成本和管理複雜性，且不一定比 S3 + Athena 更快。部署 SFTP 伺服器並修改 IoT 感測器會增加感測器端的複雜性和成本，且 SFTP 不適合即時 IoT 資料串流。使用 Snowball Edge 適用於大量離線資料傳輸或邊緣運算，不適合即時 IoT 感測器資料的持續收集和分析。