グローバル展開する EC サイトが、次世代のパーソナライゼーションエンジンを設計しています。システム要件は以下の通りです。 ①リアルタイムで 1 億以上のユーザープロファイルを保持し、各プロファイルには購買履歴、閲覧履歴、リアルタイム行動データが含まれる。 ②ユーザーのクリックから 100ms 以内にパーソナライズされたレコメンデーションを返す。 ③バッチ ML モデルのトレーニングは 1 日 1 回実施し、リアルタイム特徴量エンジニアリングと組み合わせる。 ④各国の個人情報保護法（GDPR、個人情報保護法等）に準拠し、ユーザーデータの削除要求に 24 時間以内に対応する。 ⑤データサイエンティストが SQL でユーザー行動データを分析できる。 ⑥コールドスタート問題（新規ユーザーへのレコメンデーション）を解決する。最もコスト効率が高く要件を満たすアーキテクチャはどれですか？（2つ選択）
正解：A および B。 A の DynamoDB グローバルテーブル＋ElastiCache によるプロファイル管理と Amazon Personalize によるコールドスタート対応、B の SageMaker Feature Store（Online/Offline 二層構造）によるリアルタイム推論とバッチ学習の両立、Apache Flink によるリアルタイム特徴量計算を組み合わせることで、すべての要件を満たします。 Amazon Managed Service for Apache Flink（2023年に Kinesis Data Analytics からリブランド）でのリアルタイム特徴量計算、DynamoDB グローバルテーブルでのグローバルユーザープロファイル管理、Amazon Personalize によるコールドスタート対応（新規ユーザーには Popularity-Count レシピへフォールバック）を組み合わせることで、100ms 以内のレコメンデーション・1日1回のバッチ ML 学習・GDPR 準拠の24時間以内削除対応・SQL によるユーザー行動分析の全要件を満たします。DynamoDB グローバルテーブルにより複数リージョンでの1億ユーザープロファイル管理と各国データ保護法への地理的対応も実現します。 選択肢C の Neptune はグラフDB特有のスケーラビリティ制約により1億ユーザーのプロファイル管理には適さず、SQL分析要件も直接は満たしません。 選択肢D の Glue + S3 Object Tagging は S3 Lifecycle ポリシーが即時削除を保証しないため、GDPRの24時間以内削除要件を確実に満たすことができません。