DifícilOpción múltiple

Pregunta de práctica de SAP-C02

Una empresa está diseñando una nueva plataforma de análisis en tiempo real que procesa datos de transmisión (streaming) de dispositivos IoT. Los datos deben ingerirse, procesarse con agregaciones basadas en ventanas y almacenarse en Amazon S3 para análisis a largo plazo. La solución debe gestionar datos que llegan tarde y proporcionar semántica de procesamiento exactamente una vez (exactly-once). ¿Qué combinación de servicios de AWS debe utilizar el arquitecto?

Elige la mejor respuesta.

Respuesta correcta

  • DUsar Amazon Kinesis Data Analytics para Apache Flink para procesar datos de Kinesis Data Streams y enviarlos a S3.

Explicación

Amazon Kinesis Data Analytics para Apache Flink proporciona soporte integrado para agregaciones basadas en ventanas, semántica de procesamiento exactamente una vez y gestión de datos que llegan tarde a través de la tolerancia al retraso (allowed lateness) y el control de marcas de tiempo (watermarking). Puede enviar los resultados procesados directamente a Amazon S3 utilizando un receptor (sink) de Flink, cumpliendo con todos los requisitos para una plataforma de análisis en tiempo real.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Usar Amazon Kinesis Data Firehose para ingerir datos y AWS Glue para el procesamiento.

Kinesis Data Firehose realiza entregas y transformaciones opcionales, pero carece de agregación en ventanas y de semántica exactamente una vez para registros que llegan tarde. Es tentador porque ingiere transmisiones directamente en S3 con una gestión mínima, y sería correcto para una entrega simple y casi en tiempo real sin requisitos de ventanas con estado.

B

Incorrecta

Usar Amazon EMR con Spark Streaming para procesar datos de Kinesis Data Streams.

Spark Streaming en EMR ofrece semántica de al menos una vez (at-least-once) por escritura predeterminada; exactamente una vez requiere receptores idempotentes o escrituras transaccionales, y el manejo de datos tardíos requiere configurar manualmente el control de marcas de tiempo (watermarking). Se adapta a cargas de trabajo de Spark existentes que necesitan procesamiento personalizado, no a un servicio de streaming administrado con semántica exactamente una vez y ventanas integradas.

C

Incorrecta

Usar AWS Lambda para procesar registros de Kinesis Data Streams y almacenarlos en S3.

La integración de Kinesis en Lambda procesa lotes pero carece de agregación en ventanas nativa y de semántica exactamente una vez basada en puntos de control; los reintentos pueden duplicar escrituras en S3. Se adapta a transformaciones ligeras y controladas por eventos por registro, no a análisis de streaming con estado que requieran manejo de datos tardíos y entrega única garantizada.

D

Correcta

Usar Amazon Kinesis Data Analytics para Apache Flink para procesar datos de Kinesis Data Streams y enviarlos a S3.

Apache Flink en Kinesis Data Analytics proporciona procesamiento basado en el tiempo de eventos con marcas de tiempo (watermarks), lo que permite agregaciones en ventanas que manejan correctamente los registros de IoT que llegan tarde, y su sistema de puntos de control ofrece semántica exactamente una vez. Kinesis Data Streams ingiere la transmisión, mientras que el conector S3 de Flink escribe los resultados agregados para análisis a largo plazo, satisfaciendo todas las restricciones indicadas.

Para profundizar

Amazon Kinesis Data Analytics para Apache Flink ejecuta una aplicación Flink administrada que consume datos de Kinesis Data Streams, admite agregaciones en ventanas basadas en el tiempo de eventos y puede guardar puntos de control (checkpoint) del estado en un almacenamiento duradero para lograr un procesamiento exactamente una vez. Flink maneja los datos que llegan tarde a través de la latencia permitida y las marcas de tiempo (watermarks), emitiendo resultados actualizados para las ventanas que reciben eventos retrasados. La aplicación puede escribir resultados en Amazon S3 utilizando el conector FileSystem de Flink con semántica exactamente una vez mediante puntos de control. Kinesis Data Firehose con AWS Glue carece de ventanas nativas y procesamiento de transmisiones exactamente una vez; los consumidores basados en Lambda son de al menos una vez (at-least-once) por defecto y tienen dificultades con las ventanas con estado; EMR con Spark Streaming proporciona al menos una vez a menos que se diseñen receptores idempotentes. Para la telemetría de IoT donde la lectura de un sensor puede llegar con minutos de retraso, la configuración de marcas de tiempo y latencia permitida de Flink garantiza agregados precisos sin doble conteo.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de SAP-C02 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.