Dominio de contenido 3: Diseño de arquitecturas de alto rendimiento

Soluciones de almacenamiento híbrido para cumplir con los requisitos de la empresa

Servicios de almacenamiento con casos de uso adecuados (por ejemplo, Amazon S3, Amazon EFS, Amazon EBS)

Tipos de almacenamiento con características asociadas (por ejemplo, objeto, archivo, bloque)

Determinar los servicios y configuraciones de almacenamiento que cumplen con las demandas de rendimiento.

Determinar los servicios de almacenamiento que pueden escalar para adaptarse a necesidades futuras.

Servicios de computación de AWS con casos de uso adecuados (por ejemplo, AWS Batch, Amazon EMR, AWS Fargate)

Conceptos de computación distribuida compatibles con la infraestructura global y los servicios periféricos de AWS

Conceptos de cola y mensajería (por ejemplo, publicación/suscripción)

Capacidades de escalabilidad con casos de uso adecuados (por ejemplo, Amazon EC2 Auto Scaling, AWS Auto Scaling)

Tecnologías y patrones sin servidor (por ejemplo, AWS Lambda, Fargate)

Orquestación de contenedores (por ejemplo, Amazon ECS, Amazon EKS)

Desacoplar cargas de trabajo para que los componentes puedan escalar de forma independiente.

Identificar métricas y condiciones para realizar acciones de escalado.

Seleccionar opciones y características de computación adecuadas (por ejemplo, tipos de instancias de EC2) para cumplir con los requisitos de la empresa.

Seleccionar el tipo y el tamaño de recursos adecuados (por ejemplo, la cantidad de memoria Lambda) para cumplir con los requisitos empresariales.

Infraestructura global de AWS (por ejemplo, zonas de disponibilidad, regiones de AWS)

Estrategias y servicios de almacenamiento en caché (por ejemplo, Amazon ElastiCache)

Patrones de acceso a datos (por ejemplo, de lectura intensiva en comparación con escritura intensiva)

Planificación de la capacidad de la base de datos (por ejemplo, unidades de capacidad, tipos de instancias, IOPS aprovisionadas)

Conexiones y proxies de bases de datos

Motores de bases de datos con casos de uso adecuados (por ejemplo, migraciones heterogéneas, migraciones homogéneas)

Replicación de bases de datos (por ejemplo, réplicas de lectura)

Tipos y servicios de bases de datos (por ejemplo, sin servidor, relacionales en comparación con no relacionales, en memoria)

Configurar réplicas de lectura para cumplir con los requisitos empresariales.

Diseñar arquitecturas de bases de datos.

Determinar un motor de base de datos adecuado (por ejemplo, MySQL en comparación con PostgreSQL).

Determinar un tipo de base de datos adecuado (por ejemplo, Amazon Aurora, Amazon DynamoDB).

Integrar el almacenamiento en caché para cumplir con los requisitos empresariales.

Servicios de redes de periferia con casos de uso adecuados (por ejemplo, Amazon CloudFront, AWS Global Accelerator)

Cómo diseñar una arquitectura de red (por ejemplo, niveles de subred, enrutamiento, direccionamiento IP)

Conceptos de equilibrio de carga (por ejemplo, equilibrador de carga de aplicación)

Opciones de conexión de red (por ejemplo, AWS VPN, AWS Direct Connect, AWS PrivateLink)

Crear una topología de red para varias arquitecturas (por ejemplo, global, híbrida o de varios niveles).

Determinar las configuraciones de red que pueden escalar para adaptarse a necesidades futuras.

Determinar la ubicación adecuada de los recursos para cumplir con los requisitos de la empresa.

Seleccionar la estrategia de equilibrio de carga adecuada.

Servicios de análisis y visualización de datos con casos de uso adecuados (por ejemplo, Amazon Athena, AWS Lake Formation, Amazon Quick Suite)

Patrones de ingesta de datos (por ejemplo, frecuencia)

Servicios de transferencia de datos con casos de uso adecuados (por ejemplo, AWS DataSync, AWS Storage Gateway)

Servicios de transformación de datos con casos de uso adecuados (por ejemplo, AWS Glue)

Acceso seguro a los puntos de acceso de ingesta

Tamaños y velocidades necesarios para cumplir con los requisitos empresariales

Servicios de datos de streaming con casos de uso adecuados (por ejemplo, Amazon Kinesis)

Crear y proteger lagos de datos.

Diseñar arquitecturas de streaming de datos.

Diseñar soluciones de transferencia de datos.

Implementar estrategias de visualización.

Seleccionar las opciones de computación adecuadas para el procesamiento de datos (por ejemplo, Amazon EMR).

Seleccionar configuraciones adecuadas para la ingesta.

Transformar datos entre formatos (por ejemplo, de .csv a .parquet).