Q35 — AWS SAP-C02 第2章

第 35/75 题 | ← 返回第2章

Q185. 一家公司生产智能车辆。该公司使用自定义应用程序收集车辆数据。车辆使用 MQTT 协议连接到应用程序。该公司以 5 分钟为间隔处理数据。然后该公司将车辆遥测数据复制到本地存储。自定义应用程序分析此数据以检测异常。 发送数据的车辆数量不断增长。较新的车辆会产生大量数据。本地存储解决方案无法扩展以应对峰值流量，导致数据丢失。该公司必须现代化解决方案并将其迁移到 AWS 以解决扩展挑战。 哪种解决方案能以最少的运营开销满足这些要求？

• A. 使用 AWS IoT Greengrass 将车辆数据发送到 Amazon Managed Streaming for Apache Kafka (Amazon MSK)。创建一个 Apache Kafka 应用程序将数据存储在 Amazon S3 中。使用 Amazon SageMaker 中的预训练模型检测异常
• B. 使用 AWS IoT Core 接收车辆数据。配置规则将数据路由到 Amazon Kinesis Data Firehose 传输流，将数据存储在 Amazon S3 中。创建一个 Amazon Kinesis Data Analytics 应用程序，从传输流中读取数据以检测异常 ✓
• C. 使用 AWS IoT FleetWise 收集车辆数据。将数据发送到 Amazon Kinesis 数据流。使用 Amazon Kinesis Data Firehose 传输流将数据存储在 Amazon S3 中。使用 AWS Glue 中的内置机器学习转换来检测异常
• D. 使用 Amazon MQ for RabbitMQ 收集车辆数据。将数据发送到 Amazon Kinesis Data Firehose 传输流以将数据存储在 Amazon S3 中。使用 Amazon Lookout for Metrics 检测异常

正确答案: B. 使用 AWS IoT Core 接收车辆数据。配置规则将数据路由到 Amazon Kinesis Data Firehose 传输流，将数据存储在 Amazon S3 中。创建一个 Amazon Kinesis Data Analytics 应用程序，从传输流中读取数据以检测异常

解析

B 是以最少运营开销满足要求的解决方案。 选项 A 涉及使用 AWS IoT Greengrass 将车辆数据发送到 Amazon MSK 并存储在 S3 中。此选项需要创建自定义 Apache Kafka 应用程序来存储数据，可能需要大量的开发工作和运营开销。 选项 C 涉及使用 AWS IoT FleetWise 收集数据并发送到 Amazon Kinesis 数据流，存储在 S3 中，使用 AWS Glue 进行异常检测。此选项需要多个服务协同工作，增加了复杂性。 选项 D 涉及使用 Amazon MQ for RabbitMQ 收集车辆数据，引入了 Amazon MQ 的额外复杂性。 选项 B 涉及使用 AWS IoT Core 接收车辆数据，并将其路由到 Amazon Kinesis Data Firehose 传输流以存储在 S3 中。此外，Kinesis Data Analytics 可用于从流中读取数据并检测异常。此选项通过仅使用少量服务来最大限度地减少运营开销，并随着车辆数量的增长轻松扩展。Kinesis Data Analytics 提供内置的机器学习功能来检测异常，减少了自定义开发的需要。