Domínio do conteúdo 3: Criação de arquiteturas de alto desempenho

Soluções de armazenamento híbrido para atender aos requisitos empresariais

Serviços de armazenamento com casos de uso apropriados (por exemplo, Amazon S3, Amazon EFS, Amazon EBS)

Tipos de armazenamento com características associadas (por exemplo, objeto, arquivo, bloco)

Determinar quais serviços e configurações de armazenamento atendem às demandas de desempenho

Determinar quais serviços de armazenamento que podem ser dimensionados para atender às necessidades futuras

Serviços computacionais da AWS com casos de uso apropriados (por exemplo, AWS Batch, Amazon EMR, AWS Fargate)

Conceitos de computação distribuída com base na infraestrutura global e nos serviços de borda da AWS

Conceitos de enfileiramento e sistema de mensagens (por exemplo, publicar/assinar)

Recursos de escalabilidade com casos de uso apropriados (por exemplo, Amazon EC2 Auto Scaling, AWS Auto Scaling).

Padrões e tecnologias sem servidor (por exemplo, AWS Lambda, Fargate)

A orquestração de contêineres (por exemplo, Amazon ECS, Amazon EKS)

Desacoplar workloads para que os componentes possam ser dimensionados de forma independente

Identificar métricas e condições para realizar ações de scaling

Selecionar as opções e os recursos de computação apropriados (por exemplo, tipos de instância do EC2) para atender aos requisitos empresariais

Selecionar o tipo e o tamanho de recurso apropriados (por exemplo, a quantidade de memória do Lambda) para atender aos requisitos empresariais

Infraestrutura global da AWS (por exemplo, Zonas de Disponibilidade, Regiões AWS)

Estratégias e serviços de armazenamento em cache (por exemplo, Amazon ElastiCache)

Padrões de acesso a dados (por exemplo, leitura intensa em comparação com gravação intensa)

Planejamento da capacidade de bancos de dados (por exemplo, unidades de capacidade, tipos de instância, IOPS provisionadas)

Proxies e conexões de banco de dados

Mecanismos de banco de dados com casos de uso apropriados (por exemplo, migrações homogêneas e heterogêneas)

Replicação de banco de dados (por exemplo, réplicas de leitura)

Tipos e serviços de banco de dados (por exemplo, sem servidor, relacional em comparação com não relacional, na memória)

Configurar réplicas de leitura para atender aos requisitos empresariais

Projetar arquiteturas de banco de dados

Determinar um mecanismo de banco de dados apropriado (por exemplo, MySQL em comparação com o PostgreSQL)

Determinar um tipo de banco de dados apropriado (por exemplo, Amazon Aurora, Amazon DynamoDB).

Integrar o armazenamento em cache para atender aos requisitos empresariais

Serviços de redes de borda com casos de uso apropriados (por exemplo, Amazon CloudFront, AWS Global Accelerator).

Como projetar arquitetura de rede (por exemplo, camadas de sub-rede, roteamento, endereçamento IP)

Conceitos de balanceamento de carga (por exemplo, Application Load Balancer)

Opções de conexão de rede (por exemplo, AWS VPN, AWS Direct Connect, AWS PrivateLink)

Criar uma topologia de rede para várias arquiteturas (por exemplo, global, híbrida, multicamadas)

Determinar quais configurações de rede podem ser dimensionadas para acomodar necessidades futuras

Determinar o posicionamento adequado dos recursos para atender aos requisitos empresariais

Selecionar a estratégia de balanceamento de carga apropriada

Serviços de data analytics e visualização de dados com casos de uso apropriados (por exemplo, Amazon Athena, AWS Lake Formation, Amazon QuickSuite)

Padrões de ingestão de dados (por exemplo, frequência)

Serviços de transferência de dados com casos de uso apropriados (por exemplo, AWS DataSync, AWS Storage Gateway)

Serviços de transformação de dados com casos de uso apropriados (por exemplo, AWS Glue)

Acesso seguro a pontos de acesso de ingestão

Tamanhos e velocidades necessários para atender aos requisitos empresariais

Serviços de streaming de dados com casos de uso apropriados (por exemplo, Amazon Kinesis)

Criar e proteger data lakes

Projetar arquiteturas de fluxo de dados

Projetar soluções de transferência de dados

Implementar estratégias de visualização

Selecionar opções de computação apropriadas para processamento de dados (por exemplo, Amazon EMR)

Selecionar configurações apropriadas para ingestão

Transformar dados entre formatos (por exemplo, .csv em .parquet)