大手製造業企業が、グローバルに分散した工場のIoTデータを収集・分析するプラットフォームを構築しています。 【インフラ概要】 - 工場：世界15カ国、合計200拠点 - デバイス：各工場に平均500台のIoTセンサー（合計100,000台） - データ生成：各センサーが1秒ごとにデータを送信（合計100,000メッセージ/秒） - データサイズ：1メッセージあたり平均1KB 【要件】 - リアルタイム異常検知：センサーデータを受信後1秒以内に異常を検出し、工場オペレーターにアラートを送信 - 長期保存：生データは7年間保持（規制要件） - バッチ分析：機械学習モデルのトレーニング用に過去データを効率よく参照できること - ローカル処理：ネットワーク障害時でも工場内で基本的な異常検知を継続できること - グローバルダッシュボード：全工場のデータを単一ビューで確認できること 【コスト制約】 - データ転送コストを最小化すること（工場からクラウドへの転送量を最適化） - ストレージコストは保存期間に応じてコスト最適化されること この要件を満たす最適なアーキテクチャはどれですか？
IoT Greengrassはローカルでの異常検知継続（ネットワーク障害対応）とデータの前処理・集約による転送量削減を実現します。IoT CoreとKinesis Streamsは100,000メッセージ/秒のスループットに対応し、Amazon Managed Service for Apache Flinkは1秒以内のリアルタイム異常検知に最適です。S3ライフサイクルポリシーとIntelligent-Tieringで7年保管のコスト最適化、Athenaでサーバーレスなバッチ分析が可能です。 選択肢Bの「Outposts」は高コストで規模に見合いません。 選択肢Cの「Lambda」は、100,000メッセージ/秒のリアルタイム処理は困難でありネットワーク障害対応も不十分です。 選択肢Dの「Lambda@Edge」は、サーバーレス関数であり工場内の継続稼働には対応しません。