Integração de Aplicações, Análise de Dados e Outros Serviços no Escopo

Iniciante⏱60 min📖55 min de leituraLição 11 de 16

Integração de Aplicações, Análise de Dados e Outros Serviços no Escopo

Como a AWS move dados entre aplicações e como ela transforma dados brutos em respostas: filas SQS e ordenação FIFO, tópicos SNS e fanout, regras e agendamentos do EventBridge, workflows do Step Functions, a porta da frente do API Gateway com throttling, depois a stack de análise - Athena, Glue, Kinesis, Firehose, OpenSearch, QuickSight, EMR e Redshift - fechando com cobertura de uma linha para cada serviço no escopo restante do Rekognition ao CodePipeline, mais os serviços parecidos que são distratores explícitos.

O Domínio 3 (Tecnologia e Serviços de Nuvem, 34% da pontuação) esconde duas declarações de tarefa que carregam uma área de superfície enorme e dispersa: Tarefa 3.7 "Identificar serviços de inteligência artificial e aprendizado de máquina (AI/ML) da AWS e serviços de análise", com suas declarações de habilidade nomeando Amazon SageMaker AI, Amazon Lex, Amazon Athena, Amazon Kinesis, AWS Glue e Amazon Quick Sight, e Tarefa 3.8 "Identificar serviços de outras categorias de serviços da AWS no escopo", que lista explicitamente integração de aplicações (EventBridge, SNS, SQS), aplicações de negócios (Connect, SES), habilitação do cliente (AWS Support), ferramentas de desenvolvedor (CodeBuild, CodePipeline, X-Ray), computação de usuário final (AppStream 2.0, WorkSpaces, WorkSpaces Secure Browser), frontend (Amplify) e IoT (IoT Core). Acrescente o Amazon API Gateway da linha de Rede e esta única lição abrange material que o exame tira de dois domínios.

plaintext

====================================================================
 CLF-C02 LIÇÃO 11 — CARTÃO RÁPIDO DE INTEGRAÇÃO + ANÁLISE
          (fatos em outubro de 2026 — verifique os valores atuais antes de usar)
====================================================================
 INTEGRAÇÃO DE APLICAÇÕES
  SQS             fila pull, buffer store-and-forward
                  Standard : pelo menos uma vez, ordem best-effort
                  FIFO     : processamento exatamente uma vez, ordem
                             estrita
                  visibility timeout padrão 30 s (máx 12 h)
                  retenção 60 s - 14 dias, mensagem máx 1 MiB
  SNS             tópico pub/sub push -> N assinaturas
                  e-mail / SMS / HTTP+S / Lambda / SQS
                  fanout = tópico SNS -> N filas -> N workers
  EVENTBRIDGE     eventos JSON combinados por regras -> alvos
                  5 alvos por regra - 300 regras por barramento
                  barramentos padrão / custom / de parceiro
                  eventos de gerenciamento da AWS ingeridos grátis
  STEP FUNCTIONS  orquestração de workflows serverless
                  Standard : até 1 ano, $0.000025/transição
                  Express  : até 5 min, $1.00 por milhão
  --------------------------------------------------------------------
  API GATEWAY       a "porta da frente": REST / HTTP / WebSocket
                    10.000 RPS + 5.000 de burst -> HTTP 429
                    REST $3.50/M - HTTP $1.00/M (em outubro de 2026)
  --------------------------------------------------------------------
  ANÁLISE
  ATHENA          ANSI SQL serverless sobre S3, $5.00/TB varrido
  GLUE            ETL serverless + Data Catalog, $0.44/hora-DPU
  KINESIS STREAMS shards ordenados: 1 MB/s + 1.000 reg/s de escrita
  DATA FIREHOSE   sem shards: pousa dados no S3/Redshift/OpenSearch
  OPENSEARCH      domínios gerenciados: logs, busca, Dashboards
  QUICK SIGHT     dashboards de BI, Reader $3/usuário/mês
  EMR             clústeres Hadoop/Spark gerenciados, por segundo
  REDSHIFT        warehouse escala de petabytes, a partir de $0.543/h
  --------------------------------------------------------------------
  ML (uma linha cada) Rekognition imagens/vídeo - Comprehend NLP -
    Textract documentos - Transcribe fala para texto - Polly texto
    para fala - Translate - Lex chatbots - SageMaker AI construir/
    treinar - implantar - Amazon Q assistentes de IA generativa
  OUTROS NO ESCOPO   Connect central de atendimento - SES e-mail - CLI /
    CodeBuild / CodePipeline / X-Ray - IoT Core - Amplify -
    AppStream 2.0 / WorkSpaces / WorkSpaces Secure Browser -
    AWS Marketplace
====================================================================

ℹ️Nota

Disciplina de escopo. Todo serviço apresentado como examinável abaixo está na lista oficial no escopo do CLF-C02 ou em uma tarefa do Domínio 3/4 (verificado contra o guia de exame, 2026-10). Quatro serviços que parecem perfeitamente em casa aqui estão explicitamente fora do escopo e aparecem apenas para que você possa eliminá-los: Amazon AppFlow, Amazon Managed Streaming for Apache Kafka (Amazon MSK), Amazon WorkDocs e AWS AppFabric. Duas coisas que esta pesquisa não pôde verificar e portanto nunca ensina como fato: se Amazon Bedrock (ausente da lista no escopo) ou outros serviços de IA generativa são examinados, e o status de AWS CodeCommit (nem na lista no escopo nem na fora do escopo).

Nesta lição você vai:

ler o Amazon SQS como a resposta de desacoplamento e separar standard de FIFO as garantias de entrega;
trabalhar a mecânica da fila: visibility timeout, long polling, retenção, dead-letter queues;
projetar um fanout do SNS e dizer por que é SNS mais SQS, não SNS sozinho;
rotear arquiteturas orientadas a eventos através de barramentos, regras, alvos e agendamentos do EventBridge;
escolher Step Functions Standard vs Express e precificar um workflow em transições de estado;
usar API Gateway como a porta da frente: REST vs HTTP vs WebSocket, throttling, integração com Lambda;
precificar uma consulta do Athena e um trabalho do Glue e explicar por que partitionar compensa;
separar Kinesis Data Streams de Data Firehose e depois posicionar OpenSearch, QuickSight, EMR e Redshift;
definir em uma linha cada serviço no escopo restante: suíte ML, Connect, SES, DevTools, IoT Core, EUC, Amplify, Marketplace;
estudar cinco estudos de caso publicados pela AWS (Capital One, Paytm, Amazon Prime Video, NASA JPL e NFL);
verificar o que as mudanças de lista de serviços de 2026 fizeram com os nomes, categorias e distratores que este exame testa;
praticar com 12 questões no estilo do exame mais quatro verificações interativas.

1. Amazon SQS: filas, desacoplamento, standard vs FIFO

1.1 O que uma fila realmente desacopla

Amazon SQS é um buffer baseado em pull, store-and-forward entre um produtor e um consumidor. Sem ele a camada web chama a camada de workers diretamente: a indisponibilidade do worker vira a indisponibilidade da camada web, e nenhum dos dois lados pode escalar independentemente. Com uma fila no meio, o produtor escreve uma mensagem e retorna; os workers fazem poll em seu próprio ritmo e com sua própria contagem. O guia de decisão da AWS descreve o SQS em uma linha que vale a pena memorizar: "As mensagens são persistidas … entrega pelo menos uma vez."

Propriedade	Standard (padrão)	FIFO
Garantia de entrega	Pelo menos uma vez: "uma mensagem pode ser entregue mais de uma vez"	Processamento exatamente uma vez
Ordenação	Apenas ordem best-effort	Ordem estrita primeiro a entrar, primeiro a sair
Throughput (em outubro de 2026)	Chamadas de API quase ilimitadas por segundo	300 mensagens/s; 3.000/s com batching; modo de alto throughput até 70.000/s
Tratamento de duplicatas	Nenhum: duplicatas são esperadas	Intervalo de deduplicação de 5 minutos
Enunciado do exame	"escalar consumidores independentemente", "pode chegar duas vezes, fora de ordem"	"exatamente uma vez, em ordem"

Porque filas standard deliberadamente te entregam duplicatas, a própria orientação da AWS é que "você deve projetar suas aplicações para serem idempotentes": uma duplicata não pode cobrar duas vezes, enviar duas vezes ou enviar e-mail duas vezes. Idempotência é trabalho do consumidor; a fila só promete persistência.

1.2 A mecânica que aparece nos enunciados

Mecânica	Valor documentado (em outubro de 2026)	Por que o exame se importa
Visibility timeout	Padrão 30 s, faixa 0 s, 12 h	Uma mensagem recebida é escondida, não excluída; se o worker morre ou demora demais, a mensagem reaparece, é de onde vêm as duplicatas
Long polling	Tempo de espera 0 to 20 s	Esperar em vez de martelar a fila corta respostas vazias e o custo de requisição
Retenção	Padrão 4 dias; faixa 60 s: 1.209.600 s (14 dias)	Mensagens não processadas sobrevivem a uma indisponibilidade por até 14 dias
Tamanho da mensagem / delay	1 KiB: 1.024 KiB (1 MiB); delay de até 15 minutos	Coloque payloads grandes no S3 e passe a chave
Dead-letter queue	Uma fila que guarda mensagens que falham repetidamente	Isole mensagens venenosas em vez de tentar para sempre

Preços (em outubro de 2026, verifique antes de usar): 1 milhão de requisições por mês grátis, depois aproximadamente $0.40 por milhão de requisições.

1.3 De ponto-a-ponto para uma fila: o que realmente muda

Sem fila (ponto-a-ponto)	Com Amazon SQS no meio
O produtor deve saber o endereço do consumidor e estar no ar quando chamar	O produtor escreve em um endpoint Regional e retorna imediatamente
Uma indisponibilidade do consumidor é uma indisponibilidade do produtor	Consumidores falham, reiniciam e escalam sem tocar no produtor
Adicionar um consumidor significa redesployar ou reconfigurar o produtor	Adicione frotas de workers; consumidores competitivos compartilham a mesma fila
Pico de tráfego = o produtor deve se limitar	A fila absorve o pico; os workers a drenam em seu próprio ritmo
Lógica de retry escrita à mão por chamador	Visibility timeout, reentrega, long polling e DLQ são recursos do serviço
Um-para-um, fortemente acoplado no tempo	Um-para-muitos possível (fila por família de consumidor), desacoplado no tempo

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

Exemplo trabalhado E1: escolhendo o tier FIFO. Um stream de pagamentos deve ser processado exatamente uma vez e em ordem a 4.000 mensagens por segundo. O FIFO padrão limita em 300/s, ou 3.000/s com batching: ainda abaixo dos 4.000/s exigidos, então a resposta documentada é o modo FIFO de alto throughput, até 70.000 mensagens por segundo com batching. Se a ordenação não fosse exigida, filas standard teriam absorvido a taxa sem nenhum teto de throughput com o qual se preocupar.

📚 Você sabia? Os números de retenção e visibilidade explicam a maioria dos enunciados de "mensagem duplicada" neste exame: uma mensagem que não é excluída dentro do visibility timeout padrão de 30 segundos volta a ficar visível, então duplicatas são normais em filas standard, e é por isso que a AWS te diz para construir consumidores idempotentes em vez de prometer que você nunca verá uma mensagem duas vezes (em outubro de 2026; verifique os valores atuais antes de usar).

2.1 Push, não poll

Amazon Simple Notification Service é a contraparte de push do pull do SQS: um publicador envia para um tópico, e o tópico espalha o mensagem para cada assinatura. A AWS descreve-o como um "mecanismo push, eliminando a necessidade de verificar periodicamente ou 'fazer poll'". As assinaturas podem ser filas do Amazon SQS, funções do AWS Lambda, endpoints HTTP/S, e-mail, SMS e push mobile, e é por isso que uma única publicação pode simultaneamente pager um humano e alimentar uma máquina.

	Amazon SQS	Amazon SNS
Modelo	Pull, consumidores fazem poll de uma fila	Push, o tópico entrega aos assinantes
Formato da mensagem	Consumidores competitivos, um recebe cada mensagem	Cada assinatura recebe uma cópia
Garantia documentada	Pelo menos uma vez (standard)	Pelo menos uma vez para HTTP/S; exatamente uma vez para assinantes Lambda e Amazon SQS
Tratamento de falhas	Visibility timeout + dead-letter queue	Política de retry, depois uma dead-letter queue do SQS na assinatura
Escala (em outubro de 2026)	1 M de requisições/mês grátis	100.000 tópicos Standard por conta; até 12,5 milhões de assinaturas por tópico
Unidade de cobrança	Por requisição	Cada bloco de 64 KB de um payload conta como uma requisição

2.2 O padrão fanout

A resposta canônica para "um alerta deve alcançar muitos consumidores independentes" é SNS → N filas SQS → N frotas de workers. O SNS replica a mensagem; cada fila então absorve seus próprios retries, backlog e scaling, então um consumidor lento nunca limita os outros. SNS sozinho está bom para assinantes leves (e-mail, SMS), mas o padrão que o guia treina é SNS com uma fila SQS por família de consumidor.

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

2.3 Tipos de assinatura em profundidade de um exame

Assinatura	O que entrega	Enunciado típico
Fila Amazon SQS	Uma cópia para uma fila que a família de consumidor drena	fanout com retries independentes
AWS Lambda	Invocação assíncrona direta de uma função	rodar código por evento, sem polling
HTTP/S	Um POST para o seu endpoint	nosso próprio receptor de webhook
E-mail	Uma mensagem para uma caixa de correio	pager um humano
SMS	Uma mensagem de texto	alertar um telefone de plantão
Push mobile	Uma notificação para um dispositivo	alcançar um usuário de app

Exemplo trabalhado E2, aritmética de fanout e cobrança do SNS. Um alarme publica em seis assinaturas (e-mail, SMS, Lambda, três filas): o SNS realiza seis entregas de uma única publicação, e cada fila tenta de novo independentemente. Agora acrescente a cobrança, o SNS conta cada bloco de 64 KB como uma requisição, então um payload de 150 KB é cobrado como ceil(150 / 64) = 3 requisições. Mantenha payloads pequenos, ou armazene o corpo no S3 e publique a referência.

⚠️ Push e pull são os pontos mais rápidos do Domínio 3. "Consumidores fazem poll" ⇒ SQS; "um serviço faz push / uma publicação alcança muitos endpoints" ⇒ SNS. E lembre-se: fanout = SNS + SQS, porque apenas uma fila dá a cada consumidor um orçamento de retry independente e um lugar para dead-letter de suas próprias falhas.

3. Amazon EventBridge: barramentos de eventos, regras e agendamentos

3.1 Barramentos, regras, alvos

EventBridge carrega eventos JSON. Um evento aterrissa em um barramento, uma regra o combina por padrão de evento (ou por agendamento), e a regra invoca até cinco alvos. Os três tipos de barramento são a divisão examinável:

Barramento	O que chega lá	Enunciado do exame
Default	Eventos de serviços da AWS; eventos de gerenciamento da AWS são ingeridos pelo barramento de eventos grátis	"reagir a uma mudança de estado do EC2"
Custom	Eventos JSON que você publica você mesmo	"nosso serviço de pedidos emite order.created"
Partner	Eventos de parceiros SaaS (Datadog, Shopify, Stripe e outros)	"acionar em um evento de SaaS de terceiros"

Limites rígidos (em outubro de 2026): uma única regra pode enviar um evento para até cinco alvos, e há até 300 regras por barramento de eventos. A cobrança conta cada bloco de 64 KB de um payload como um evento; eventos custom são $1.00 por milhão, entrega cross-account de parceiros $0.05 por milhão, e AWS Pipes $0.40 por milhão.

3.2 Agendamentos

Regras também podem disparar em expressões cron ou rate, mas a AWS agora rotula regras agendadas como um recurso legado e te guia para o EventBridge Scheduler, que oferece 14.000.000 de invocações grátis por mês antes de cobrar $1.00 por milhão. "Toda noite às 02:00 UTC" é uma questão de agendamento, e a resposta atual é o EventBridge Scheduler.

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

A AWS publica um guia de decisão em três vias, e sua redação é material de exame citável:

Serviço	O que o guia de decisão da AWS diz	Persistência	Garantia documentada
Amazon SQS	"As mensagens são persistidas"	Sim: armazenadas até serem consumidas e excluídas	Entrega pelo menos uma vez
Amazon SNS	"entregue aos assinantes em tempo real"	Não: empurradas e sumidas	Exatamente uma vez para assinantes Lambda e Amazon SQS; pelo menos uma vez para HTTP/S
Amazon EventBridge	"Eventos não persistem; processados em tempo real."	Não: combinados e invocados imediatamente	Filtragem por conteúdo, agendamentos, SaaS e roteamento cross-account

Arquitetura orientada a eventos em uma frase: produtores publicam fatos que aconteceram, nunca chamadas RPC; consomem assinando os fatos de que se importam. Essa inversão é por que questões do EventBridge geralmente mencionam filtragem por conteúdo, fontes SaaS, roteamento cross-account ou agendamentos: coisas que SQS e SNS não fazem.

📚 Você sabia? A linha de item mais barata do EventBridge é grátis: eventos de gerenciamento da AWS são ingeridos pelo barramento de eventos grátis, e o EventBridge Scheduler inclui 14.000.000 de invocações grátis por mês (em outubro de 2026). A surpresa de cobrança em vez disso é a granularidade: cada bloco de 64 KB de um payload é cobrado como um evento, então um evento de 200 KB conta como quatro eventos (verifique os valores atuais antes de usar).

4. AWS Step Functions: orquestrando workflows de múltiplos passos

4.1 Standard vs Express

Step Functions é orquestração de workflows serverless escrita em Amazon States Language: ele sequencia chamadas de Lambda, ECS, SQS, SNS, DynamoDB e Glue e acrescenta retries, blocos catch, estados Parallel e Map, e waits. Ele não é uma fila e não é um notificador: ele é a coisa que sabe qual passo vem a seguir.

	Standard	Express
Duração máxima	Até um ano	Até cinco minutos
Modelo de execução	Execução de workflow exatamente uma vez	Execução pelo menos uma vez
Taxa de início	2.000 execuções/s	100.000 execuções/s
Cobrança (em outubro de 2026)	Por transição de estado: $0.000025 cada em US East (N. Virginia), 4.000 grátis por mês	$1.00 por milhão de requisições mais duração e memória
Enunciado do exame	De longa duração, aprovação humana, trilha de auditoria	Processamento de eventos de alto volume, curto, tolerante a falhas

Exemplo trabalhado E3, precificando o mesmo workload de duas maneiras. Um workflow executa 1.000.005 transições de estado em um mês. Subtraia a cota grátis: 1.000.005 − 4.000 = 996.005; multiplique pelo preço unitário: 996.005 × $0.000025 ≈ $24.90 no workflow Standard. Se em vez disso cada execução termina em segundos e tolera execução pelo menos uma vez, as mesmas 1.000.000 de requisições Express custam $1.00. Mesma lógica de negócio, uma diferença de preço de 25×, o exame quer que você note a unidade: transições de estado vs requisições.

4.2 Escolhendo entre os quatro serviços de integração

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

Pergunta no enunciado	Resposta
Armazenar trabalho, deixar consumidores escalarem independentemente, tolerar retries	Amazon SQS
Uma publicação deve alcançar e-mail + SMS + várias filas	Amazon SNS (fanout)
Eventos filtrados por conteúdo, agendamentos cron/rate, SaaS ou cross-account	Amazon EventBridge
Um processo de negócio com passos ordenados, retries e um wait de dias	AWS Step Functions

Amazon MQ não é a resposta neste exame. Migração de brokers legados AMQP/MQTT não está na lista no escopo do CLF-C02, então um enunciado "precisamos de um broker de mensagens corporativo" ainda se resolve para um dos quatro serviços acima.

4.3 Exemplo trabalhado E8: percorrendo uma aprovação de sinistro de ponta a ponta

Passo	Serviço	Por que aquele serviço
1. Validar a submissão	AWS Lambda	Código curto e sem estado por sinistro
2. Verificar o texto por sinais de fraude	Amazon Comprehend	NLP pré-treinado, sem expertise de ML
3. Esperar uma decisão humana (horas a dias)	Step Functions (Standard)	Execuções podem rodar até um ano com um token de tarefa para o aprovador
4. Notificar o solicitante	Amazon SNS	Uma publicação alcança o e-mail e a fila interna
5. Armazenar o resultado	Amazon DynamoDB	Persistência chave-valor gerenciada para o registro
6. Tentar de novo um passo que falha três vezes	retry/catch do Step Functions	Embutido no Amazon States Language em vez de escrito à mão

O ponto inteiro do exemplo: Step Functions possui a sequência e os waits, Lambda possui os passos individuais, SNS possui a notificação. Uma pergunta que pede "o que espera três dias por um humano?" está pedindo Step Functions Standard, não um delay do SQS (máximo de 15 minutos) e não uma execução Express de 5 minutos.

5. Amazon API Gateway: a porta da frente

5.1 Três tipos de API

A AWS posiciona o API Gateway como a "porta da frente" dos serviços de back-end, lidando com "gerenciamento de tráfego … autorização e controle de acesso, throttling, monitoramento e gerenciamento de versões de API" na frente de Lambda, EC2 ou qualquer endpoint HTTP.

Tipo	Escolha quando o enunciado diz	Extras (em outubro de 2026)
REST API	Chaves de API, throttling por cliente, integração com AWS WAF, endpoints de API privados, cache	Recursos completos, $3.50 por milhão de chamadas
HTTP API	Proxy mínimo mais barato para Lambda ou um serviço HTTP, autorizadores JWT	$1.00 por milhão de chamadas
WebSocket API	Conexões bidirecionais persistentes: chat, feeds ao vivo, apps colaborativos	Conectar, desconectar, rotear para o back-end

Free Tier (12 meses, em outubro de 2026): 1.000.000 de chamadas de API por mês para APIs REST e 1.000.000 por mês para APIs HTTP.

5.2 Throttling

Por padrão, o throttling é aplicado por conta e por Região: 10.000 requisições por segundo (RPS) com um balde adicional de capacidade de burst de 5.000 requisições (algumas contas são documentadas com 2.500 RPS / 1.250 de burst: verifique seus próprios números). Excedendo-o, os chamadores recebem HTTP 429 Too Many Requests. A AWS é explícita de que estes "não são limites rígidos" aplicados em uma "base best-effort", e que as cotas dos planos de uso também são best-effort.

Exemplo trabalhado E4: REST vs HTTP no mesmo tráfego. Um mês movimentado produz 5.000.000 de chamadas de API; o Free Tier absorve os primeiros 1.000.000 (primeiros 12 meses), restando 4.000.000 faturáveis. Em REST: 4 × $3.50 = $14.00. Em HTTP: 4 × $1.00 = $4.00. Sem o Free Tier, os totais são $17.50 e $5.00. Recurso a recurso, a resposta pode ainda ser REST: chaves de API, cotas por cliente, WAF e endpoints privados são capacidades REST, mas o enunciado de preço sempre se resolve do mesmo jeito.

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

5.3 O que a porta da frente realmente lida

O exame pede para identificar as responsabilidades, não para configurá-las. Na própria lista da AWS, o API Gateway oferece a experiência de "porta da frente" para serviços de back-end: gerenciamento de tráfego, autorização e controle de acesso, throttling, monitoramento e gerenciamento de versões de API: na frente de Lambda, instâncias EC2 ou qualquer endpoint HTTP.

Responsabilidade	No escopo para você neste exame
Gerenciamento de tráfego	Saiba que 10.000 RPS + 5.000 de burst é o padrão por conta e por Região
Autorização e controle de acesso	Escolha o serviço e o tipo de API: chaves de API e cotas por cliente são recursos de REST
Throttling	Requisições em excesso ⇒ HTTP 429 Too Many Requests; cotas de plano de uso são best-effort
Monitoramento	Listado como responsabilidade do Gateway, o exame pede para reconhecê-lo, nunca para configurá-lo
Gerenciamento de versões de API	Também de propriedade do Gateway; identifique-o como capacidade da porta da frente
Integração com Lambda	Clientes chamam o Gateway, que invoca Lambda, EC2 ou qualquer endpoint HTTP

⚠️ Chaves de API não são autenticação para seus usuários. Neste exame, "chaves de API + throttling por cliente + AWS WAF + endpoints privados" é a assinatura de uma REST API; o proxy Lambda mais barato é uma HTTP API; e um 429 sempre significa "você excedeu o throttling", nunca "a API está quebrada".

6. Análise serverless no S3: Amazon Athena e AWS Glue

6.1 Amazon Athena: SQL sem cluster

Athena é SQL interativo serverless sobre dados já no Amazon S3: "execute consultas ad-hoc usando SQL ANSI, sem a necessidade de agregar ou carregar os dados no Athena". Não há cluster para lançar e não há carregar-antes-de-perguntar: você aponta para o S3, define tabelas (geralmente via Glue Data Catalog) e consulta.

Preços (em outubro de 2026): $5.00 por terabyte de dados varridos, com mínimo de 10 MB por consulta; instruções DDL e consultas falhadas custam $0.
Por que o design da consulta é uma decisão de custo: a AWS documenta que compactação, particionamento e formatos colunares podem economizar de 30% a 90% por consulta.
Quando não usar: para "muitos joins entre muitas tabelas muito grandes", a AWS diz escolher Amazon Redshift.

Exemplo trabalhado E5: três maneiras de pagar os mesmos 3 TB.

Design da consulta	Dados varridos	Custo (em outubro de 2026)
Dados brutos sem compactação, varredura total	3 TB	3 × $5.00 = $15.00
GZIP em cerca de 3:1	~1 TB	$5.00
Colunar + particionado, consulta lê 1 de 4 colunas	~0,25 TB	$1.25
`CREATE TABLE` (DDL) ou uma consulta que falha	:	$0.00
Uma consulta que varre apenas 3 MB	faturada no mínimo de 10 MB	cobrança mínima

O padrão para memorizar: Athena cobra por bytes lidos, então a consulta mais barata é a que lê menos: podar colunas, filtrar por chaves de partição, compactar e converter para Parquet ou ORC.

6.2 AWS Glue, o catálogo e o motor ETL

AWS Glue é um serviço de ETL e catálogo de dados serverless. Crawlers varrem stores de dados e gravam definições de tabela (schema, partições, localização) no Glue Data Catalog, que é o que permite que Athena, Amazon Redshift e Amazon EMR tratem objetos S3 como tabelas. Jobs de ETL executam Spark ou Python para limpar, deduplicar e formatar.

Preços (em outubro de 2026): $0.44 por hora-DPU; 1 DPU = 4 vCPU e 16 GB de memória; jobs de ETL rodam com mínimo de 2 DPUs (padrão 10); crawlers têm mínimo de 10 minutos; o primeiro milhão de objetos armazenados é grátis no catálogo.

Exemplo trabalhado E6, precificando um job de crawl e limpeza. Um job roda 15 minutos em 6 DPUs: 6 × (15/60) hora × $0.44 = 6 × 0,25 × 0,44 = $0.66. Dobre a contagem de DPUs e o preço dobra, DPUs são a unidade, tempo de relógio é o multiplicador.

A frase de três serviços que o exame continua testando: Glue cataloga e prepara os dados, Athena responde perguntas SQL sobre eles, QuickSight desenha o dashboard. Glue nunca responde uma consulta, Athena nunca executa uma transformação Spark agendada, e QuickSight nunca extrai texto de um documento.

📚 Você sabia? O mínimo de 10 MB por consulta do Athena existe para que milhares de consultas minúsculas ainda produzam uma unidade faturável, e também significa que DDL e consultas falhadas são grátis. Uma equipe que executa um ciclo noturno de DROP/CREATE não paga nada pelo DDL e tudo pelo SELECT que varre a tabela, e é por isso que particionamento e poda de colunas são os controles reais de custo (página de preços do Athena, em outubro de 2026; verifique os valores atuais antes de usar).

7. Streaming, busca e BI: Kinesis, Firehose, OpenSearch, QuickSight, EMR, Redshift

7.1 Amazon Kinesis Data Streams vs Amazon Data Firehose

Este é o par de seleção de serviço mais confiável no domínio de análise.

	Amazon Kinesis Data Streams	Amazon Data Firehose
O que é	Um log ordenado dividido em shards	Um tubo de entrega gerenciado para destinos
Unidade de capacidade	Shard: 1 MB/s e 1.000 registros/s de escrita, 2 MB/s de leitura	Sem shards para dimensionar ou gerenciar
Retenção / replay	24 horas por padrão, até 365 dias: replay é possível	Lotes em tempo quase real, sem janela de replay
Destinos	Seus próprios consumidores: Lambda, Kinesis Client Library, Firehose	S3, Amazon Redshift, OpenSearch Service, Splunk, Snowflake
Código	Você escreve o consumidor	Sem código de consumidor; transformação Lambda opcional; conversão Parquet/ORC
Nomenclatura	,	Renomeado de Amazon Kinesis Data Firehose para Amazon Data Firehose em fevereiro de 2024, nomes antigos ainda aparecem em material mais antigo

Exemplo trabalhado E7: dimensionamento de shard. Um clickstream emite 4.000 registros por segundo com média de 10 KB cada: throughput = 4.000 × 10 KB = 40.000 KB/s = 40 MB/s. Divida pelo limite de escrita por shard: 40 ÷ 1 = 40 shards por banda de largura, e 4.000 ÷ 1.000 = 40 shards por taxa de registro. Ambas as restrições concordam, logo 40 shards. Se o requisito fosse "pousar no S3 sem código de consumidor", a resposta seria Data Firehose e a aritmética de shards desapareceria completamente.

7.2 OpenSearch, QuickSight, EMR, Redshift

Serviço	Trabalho em profundidade de exame	Números-chave (em outubro de 2026)
Amazon OpenSearch Service	Domínios gerenciados (= clusters) para análise de logs, monitoramento de aplicações em tempo real e análise de clickstream, além de busca e OpenSearch Dashboards (o sucessor do Kibana)	Renomeado de Elasticsearch Service em 8 de setembro de 2021; preços de instância variam por implantação: veja a página de preços
Amazon Quick Sight	BI: visualizações e dashboards sobre S3, Athena, Redshift e dados SaaS; SPICE é o motor em memória versus consulta direta	Reader $3 por usuário por mês; 10 GB de SPICE com cada Author provisionado (extra $0.38/GB-mês); uma sessão é um período de 30 minutos
Amazon EMR	Clústeres Hadoop / Spark / Hive / Presto gerenciados em EC2 (ou EKS ou serverless) para processamento de big data	Faturamento por segundo com mínimo de um minuto; você paga EC2 + EBS + o acréscimo do EMR
Amazon Redshift	Data warehouse escala de petabytes gerenciado: SQL colunar massivamente paralelo para joins complexos e BI	Provisionado a partir de $0.543 por hora; Serverless a partir de $1.50 por hora; Spectrum consulta S3 a $5 por TB

O desempate em três vias: SQL ad-hoc no S3, sem cluster ⇒ Athena · joins complexos entre tabelas muito grandes, um armazém persistente ⇒ Redshift · executar Spark/Hadoop você mesmo, bibliotecas open-source necessárias ⇒ EMR. Dashboards executivos sobre qualquer um deles ⇒ Quick Sight; logs e UI de busca ⇒ OpenSearch Service.

Pergunta no enunciado	Athena	Redshift	EMR
O que você opera	Nada: endpoint serverless	Armazém gerenciado (ou Serverless)	Um cluster de frameworks open-source
Unidade de cobrança (em outubro de 2026)	$5.00 por TB varrido	A partir de $0.543/h provisionado, $1.50/h Serverless	EC2 + EBS + acréscimo do EMR, por segundo, mínimo de 1 minuto
Melhor para	Perguntas pontuais sobre S3	BI persistente, muitos joins, escala de petabytes	Jobs Spark/Hive/Presto que você já roda
Pior para	Joins pesados repetidos em tabelas enormes	Pagar por capacidade ociosa em uma consulta minúscula	SQL ad-hoc ocasional (início do cluster + custo)
Dependência de catálogo	Lê o Glue Data Catalog	Spectrum lê S3 via catálogo	Lê Hive metastore / catálogo Glue

Exemplo trabalhado E9: aritmética de assinatura do QuickSight. Cinco analistas precisam de acesso de visualização e dois autores criam dashboards (em outubro de 2026): 5 Readers × $3 por usuário por mês = $15.00. Cada Author provisionado inclui 10 GB de SPICE; se os dois autores juntos precisarem de 30 GB: 20 GB além dos 20 GB incluídos, o extra custa 20 × $0.38 = $7.60 por mês. Note também que uma sessão é um período de 30 minutos, então um Reader que abre cinco dashboards dentro de uma mesma janela de meia hora ainda conta como o valor de acesso de uma sessão.

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

7.3 Amazon AppFlow, o falso-gêmeo que está fora do escopo

Amazon AppFlow move dados entre aplicações SaaS e stores da AWS, o que soa exatamente como o tema desta lição, e está explicitamente na lista fora do escopo. O mesmo vale para Amazon MSK (Kafka gerenciado), AWS Clean Rooms, AWS Data Exchange e Amazon DataZone em análise, além de AWS AppFabric e Amazon Simple Workflow Service (SWF) em integração de aplicações. Fora do escopo não significa inexistente: significa que eles só podem ser um distrator, nunca a resposta correta.

7.4 A árvore de decisão de análise

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

8. Todos os serviços no escopo restantes, um por linha

8.1 A suíte de aprendizado de máquina (Tarefa 3.7)

A AWS agrupa estes como serviços de IA de propósito específico, APIs pré-treinadas que você chama com seus dados, sem exigir expertise de ML, versus Amazon SageMaker AI, onde você constrói, treina e implanta seus próprios modelos.

Serviço	Uma linha para o exame
Amazon Rekognition	Visão computacional: rotular, detectar e analisar imagens e vídeo
Amazon Comprehend	Processamento de linguagem natural: sentimento, entidades, frases-chave e PII em texto
Amazon Textract	Extrai texto, manuscritos e dados de documentos digitalizados em campos estruturados
Amazon Transcribe	Fala para texto: gravações de chamadas, legendas
Amazon Polly	Texto para fala realista
Amazon Translate	Tradução neural de máquina entre idiomas
Amazon Lex	Constrói interfaces conversacionais (chatbots e agentes de voz): a tecnologia que potencializa o Amazon Connect
Amazon SageMaker AI	ML totalmente gerenciado: "construir, treinar e implantar modelos de ML em um ambiente hospedado pronto para produção"
Amazon Q	Assistentes de IA generativa (Q Business, Q Developer); a AWS os documenta como "potencializados pelo Amazon Bedrock"

Regra de estratificação: "sem experiência de ML, só chamar uma API pré-treinada" ⇒ Rekognition / Comprehend / Textract / Transcribe / Translate / Polly / Lex · "construir, treinar e implantar meu próprio modelo" ⇒ SageMaker AI · "um assistente de IA generativa para funcionários ou desenvolvedores" ⇒ Amazon Q. Nunca troque o tipo de dados: imagens ⇒ Rekognition, documentos ⇒ Textract, texto/NLP ⇒ Comprehend, áudio ⇒ Transcribe e Polly. Distratores fora do escopo aqui: Amazon Personalize, Amazon Fraud Detector, Amazon Lookout for Metrics e AWS Panorama.

8.2 Aplicações de negócios, ferramentas de desenvolvedor, IoT e o resto (Tarefa 3.8)

Categoria	Serviço no escopo	Uma linha para o exame
Aplicações de negócios	Amazon Connect	Central de atendimento em nuvem: voz, chat e tarefas com roteamento inteligente e acompanhamento de desempenho de agentes em tempo real; pague apenas pelo uso, sem taxa por assento
Aplicações de negócios	Amazon SES	E-mail escalável de dentro de qualquer aplicação: transacional, marketing e envio em massa, via API ou SMTP
Ferramentas de desenvolvedor	AWS CLI	CLI gratuita para serviços da AWS, o lado de desenvolver e implantar da tarefa 3.8
Ferramentas de desenvolvedor	AWS CodeBuild	"Compila seu código-fonte, executa testes de unidade e produz artefatos": faturado por minuto de build, 100 minutos grátis por mês
Ferramentas de desenvolvedor	AWS CodePipeline	Workflow de release gerenciado: modele os passos, execute os estágios: V1 $1.00 por pipeline por mês, V2 $0.002 por minuto-ação
Ferramentas de desenvolvedor	AWS X-Ray	Rastreamento distribuído: segmentos → traces → um grafo de serviços; dados de trace retidos por 30 dias
IoT	AWS IoT Core	Gateway gerenciado que conecta dispositivos via MQTT ou HTTP: a resposta de gerenciar dispositivos IoT
Frontend	AWS Amplify	Crie e implante aplicações web e mobile de frontend
Computação de usuário final	Amazon AppStream 2.0	Faça streaming de aplicações de desktop para qualquer navegador ou dispositivo sem reescrever código
Computação de usuário final	Amazon WorkSpaces	Desktops virtuais persistentes (VDI / DaaS) em nuvem, totalmente gerenciados
Computação de usuário final	Amazon WorkSpaces Secure Browser	Navegador hospedado onde "nenhum HTML, DOM ou dados sensíveis da empresa são transmitidos à máquina local"
Gestão financeira em nuvem	AWS Marketplace	"Catálogo digital curado" para encontrar, comprar, implantar e gerenciar software, dados e serviços de terceiros: por hora, mês, ano e BYOL, uma fatura só, Private Marketplace, direitos via License Manager
Habilitação do cliente	AWS Support	O item de habilitação do cliente da tarefa 3.8; os níveis de plano pertencem ao Domínio 4

O enunciado de computação de usuário final, literalmente: o exame pede "os serviços que podem apresentar a saída de máquinas virtuais (VMs) nas máquinas do usuário final"; isso é AppStream 2.0 (aplicações), WorkSpaces (desktops completos) e WorkSpaces Secure Browser (apenas navegador).

Armadilhas de nomenclatura direto da lista no escopo: o guia grafia "Amazon Quick Sight" (com espaço) e "Amazon SageMaker AI" (nunca "SageMaker" sozinho). A página de documentação do Connect da AWS também agora usa o rótulo "Amazon Connect Customer" para o produto de central de atendimento: associar essa redação à formulação do exame é a inferência desta pesquisa, não uma afirmação verificada do exame.

8.3 Tabela resumo: a superfície completa de serviços desta lição

Categoria	Serviços no escopo cobertos aqui	Profundidade esperada
Integração de aplicações	Amazon SQS · Amazon SNS · Amazon EventBridge · AWS Step Functions	Escolha por padrão; saiba garantias e limites
Rede (API)	Amazon API Gateway	REST vs HTTP vs WebSocket, throttling
Análise	Amazon Athena · Amazon EMR · AWS Glue · Amazon Kinesis · Amazon OpenSearch Service · Amazon Quick Sight · Amazon Redshift	Escolha pelo trabalho a ser feito; saiba a unidade de cobrança
Aprendizado de máquina	Amazon Comprehend · Amazon Lex · Amazon Polly · Amazon Q · Amazon Rekognition · Amazon SageMaker AI · Amazon Textract · Amazon Transcribe · Amazon Translate	Uma linha cada: tipo de dado de entrada, tipo de dado de saída
Aplicações de negócios	Amazon Connect · Amazon SES	Central de atendimento vs e-mail em escala
Ferramentas de desenvolvedor	AWS CLI · AWS CodeBuild · AWS CodePipeline · AWS X-Ray	Compilar, liberar, rastrear
Frontend / IoT	AWS Amplify · AWS IoT Core	Implante frontends; gerencie dispositivos
Computação de usuário final	Amazon AppStream 2.0 · Amazon WorkSpaces · Amazon WorkSpaces Secure Browser	Presente saída de VM em máquinas do usuário final
Gestão financeira / habilitação	AWS Marketplace · AWS Support	Catálogo de terceiros; opções de suporte
De propriedade de outras lições	Compute, Storage, Databases, Networking and Content Delivery, Security and Identity, Management and Governance, Migration, Billing and pricing	Não reestude-os aqui

8.4 Consulta rápida enunciado → serviço

Se o enunciado diz …	A resposta é …
"Pode chegar duas vezes e fora de ordem; escalar consumidores independentemente"	Amazon SQS (standard)
"Exatamente uma vez, em ordem estrita"	Amazon SQS (FIFO)
"Um alerta para e-mail, SMS e três filas"	Amazon SNS
"Eventos de fornecedor SaaS mais um cron noturno"	Amazon EventBridge / EventBridge Scheduler
"Aprovação humana que espera três dias"	AWS Step Functions (Standard)
"Fazer throttling de uma API, chaves de API, cotas por cliente, WAF"	Amazon API Gateway (REST)
"SQL sobre S3, pagar por consulta"	Amazon Athena
"Preencher um catálogo de metadados a partir do S3"	AWS Glue
"Fazer streaming para S3 sem código de consumidor"	Amazon Data Firehose
"Stream ordenado com replay e shards"	Amazon Kinesis Data Streams
"Dashboards executivos"	Amazon Quick Sight
"Sentimento de tickets de suporte"	Amazon Comprehend
"Extrair campos de formulários digitalizados"	Amazon Textract
"Construir, treinar e implantar meu próprio modelo"	Amazon SageMaker AI
"Compilar e executar testes de unidade em CI"	AWS CodeBuild
"Presentear saída de VM em máquinas do usuário final"	AppStream 2.0 / WorkSpaces / Secure Browser

Serviços fora do escopo que parecem estar no escopo (nunca a resposta correta):

Amazon AppFlow
AWS Clean Rooms
AWS Data Exchange
Amazon DataZone
Amazon MSK
AWS AppFabric
Amazon Simple Workflow Service
Amazon WorkDocs
AWS CodeDeploy
AWS CodeArtifact
Amazon CodeGuru
AWS Application Composer
AWS CloudShell
AWS Device Farm
Amazon Personalize
Amazon Fraud Detector
Amazon Lookout for Metrics
AWS Panorama
todos os serviços AWS Elemental Media
Amazon GameLift
AWS RoboMaker
AWS IoT Greengrass
AWS IoT Device Defender
📚 Você sabia? Dois serviços desta lição foram renomeados, não substituídos: Amazon Data Firehose soltou "Kinesis Data" do nome em fevereiro de 2024, e Amazon OpenSearch Service foi renomeado de Elasticsearch Service em 8 de setembro de 2021. Perguntas mais antigas, blogs e tutoriais de terceiros ainda usam ambos os nomes antigos, então um enunciado que mencione "Elasticsearch Service" ou "Kinesis Data Firehose" está testando o mesmo serviço no escopo (acesso em outubro de 2026).

Atualizações de 2026 (em outubro de 2026)

O que mudou no próprio guia. Cada item abaixo vem das listas atuais de serviços no escopo e fora do escopo do CLF-C02 e do guia Version 1.0 CLF-C02 da era de lançamento, todos acessados em 2026-10. Preços e limites ainda oscilam, então verifique novamente antes de fazer o exame.

A lista de serviços foi reconstruída. As entradas no escopo caíram de 128 → 111 enquanto a lista negativa explícita cresceu de 11 → 55 entradas fora do escopo: para o Domínio 3, o maior "o que mudou" é que a AWS agora escreve a maioria dos distratores que esta lição costumava te alertar de memória.

Três reortografias fazem nomes antigos estarem errados: Amazon SageMaker → Amazon SageMaker AI, Amazon WorkSpaces Web → Amazon WorkSpaces Secure Browser, e a lista no escopo imprime o serviço de BI como "Amazon Quick Sight" (duas palavras) enquanto o nome do produto é Amazon QuickSight: se o espaçamento do guia é intencional não pôde ser verificado.

A linha de Machine Learning saiu de "construir" para "usar": Amazon Q foi adicionado, Amazon Kendra foi removido da lista no escopo, e Amazon Bedrock não aparece nem na lista no escopo nem na fora do escopo (ambas as listas verificadas em 2026-10), então não memorize Bedrock como no escopo, e trate se conteúdo de IA generativa é examinado como não verificado.

Ferramentas de desenvolvedor encolheu de 11 entradas no escopo para 4, AWS CLI, AWS CodeBuild, AWS CodePipeline, AWS X-Ray, exatamente as quatro cobertas na seção 8.2 desta lição; qualquer coisa ainda listando CodeStar, Cloud9 ou uma lista maior de Developer Tools está citando um guia superado.

Nomes de integração e análise antes no escopo agora são distratores: Amazon MSK e AWS Data Exchange mudaram da lista no escopo para a fora do escopo, AWS CodeDeploy, AWS CodeArtifact e AWS IoT Greengrass também estão fora do escopo, e AWS AppSync foi removido da lista no escopo; AWS Wavelength está explicitamente fora do escopo enquanto AWS Local Zones aparece em nenhuma das listas.

Renomeação de categoria: Customer Engagement → Customer Enablement, que agora contém apenas AWS Support, então AWS Activate, AWS IQ e AWS Managed Services não são mais respostas no escopo em lugar nenhum neste exame.

Fontes: lista de serviços no escopo do AWS Certified Cloud Practitioner (CLF-C02), lista de serviços fora do escopo e guia de exame, acessados em 2026-10; linha de base = guia de exame Version 1.0 CLF-C02 da era de lançamento (acesso em 2026-10).

📚 Você sabia? A maior mudança de 2026 desta lição não é um preço em absoluto: a lista no escopo encolheu de 128 para 111 entradas enquanto a lista explícita fora do escopo cresceu de 11 para 55, e só a categoria Developer Tools foi de 11 → 4. Notas construídas sobre o guia Version 1.0 da era de lançamento estão portanto citando um documento superado, e é por isso que cada lista de "nunca a resposta correta" desta lição foi reverificada contra as listas vivas (acesso em 2026-10).

Casos Reais

A AWS publica como estes padrões se parecem em produção. Cada número abaixo é reivindicação do cliente ou da AWS e não auditado, citado com sua fonte para que você possa conferir, o ponto examinável é o padrão (qual serviço de integração fez o trabalho, qual motor de análise foi escolhido, qual número se moveu), não o marketing.

Caso A, Capital One: serverless e integração de aplicações em escala bancária

Elemento	Detalhe
Indústria / contexto	Banco Fortune 100, regulado: sair de oito data centers on-premises e reconstruir para produtos em tempo real orientados a ML
Serviços AWS citados	Mais de 30 serviços, incluindo Amazon Connect, Amazon SES, AWS Lambda, Amazon ECS e Fargate, AWS SAM, AWS Step Functions e AWS Glue
Resultados principais (publicados pela AWS, reivindicados pelo cliente)	80% de cerca de 2.000 aplicações construídas cloud-native; lead time do ambiente de desenvolvimento 3 meses → minutos; tempo de teste de recuperação de desastres −70%; resolução de incidentes e erros de transação −50%; mais de um terço das aplicações serverless
Detalhe de integração	Uma aplicação cortou custo em 90% no AWS Lambda, e verificações rodaram 80% mais rápido com AWS Step Functions
Rabo físico	103 toneladas de cobre e aço recicladas dos oito data centers dos quais saiu
Fonte	aws.amazon.com/solutions/case-studies/capital-one-all-in-on-aws e …/capital-one-lambda-ecs-case-study (acesso em outubro de 2026)

Lição de exame: isto é como a tarefa 3.8 aparece em produção: Step Functions coordenando os passos, Lambda executando os passos, SES enviando o e-mail, Connect atendendo as chamadas, Glue preparando os dados. O exame não pede para você reproduzir os números; pede para nomear o serviço que faz cada trabalho.

Caso B, Paytm: economia Graviton aplicada à análise em EMR

Elemento	Detalhe
Indústria / contexto	Uma plataforma de pagamentos com um grande patrimônio de Amazon EC2 e Amazon EMR de análise na AWS
Serviços AWS citados	Amazon EMR (análise), Amazon EC2 em Graviton: com uma atualização de banco de dados MySQL que teve de acontecer antes
Resultados principais (publicados pela AWS, reivindicados pelo cliente)	−35% de custo de computação, 60% do EC2 rodando em Graviton, e 30 to 35% de economia em Amazon EMR
Lição de análise	O EMR cobra as instâncias em que roda, então a decisão de compra de computação (preço-desempenho do Graviton) faz parte da conversa de custo de análise
Fonte	aws.amazon.com/solutions/case-studies/paytm-graviton-case-study (acesso em outubro de 2026)

Lição de exame: o Amazon EMR não tem taxa fixa independente nesta história: ele cobra uma taxa por segundo (mínimo de um minuto) em cima de EC2 e EBS, então uma economia de 30 to 35% no EMR é alcançada mudando as instâncias embaixo, não girando uma configuração do EMR. Cuidado com a armadilha: Graviton é uma escolha de preço-desempenho que exige trabalho de compatibilidade (a Paytm teve que atualizar seu banco de dados primeiro), não dinheiro grátis.

O que os dois casos compartilham

Padrão de valor	Evidência	Princípio subjacente
Gerenciado supera DIY	Capital One: ambiente de dev 3 meses → minutos; −90% de custo em uma app	A resposta do Well-Architected é menor overhead operacional
Serviços de integração carregam o peso	Capital One: Step Functions, Lambda, SES, Connect, Glue	Os serviços da tarefa 3.8 são encanamento de produção, não exercícios de laboratório
Custo de análise segue custo de computação	Paytm: 30 to 35% de economia no EMR via Graviton	EMR = tempo de instância por segundo + acréscimo do EMR; dimensione o motor corretamente
Cada percentual é um resultado do cliente	"−90%", "30 to 35%", "−70%"	Nunca escreva "a AWS garante X%"

Caso C, Amazon Prime Video: integração no pico global de esportes ao vivo

Elemento	Detalhe
Indústria / contexto	Transmissão de esportes ao vivo, onde a AWS cita sua própria equipe de entrega: "Com eventos esportivos ao vivo, a confiabilidade e a baixa latência são absolutamente críticas porque cada segundo perdido impacta negativamente os espectadores"
Serviços AWS citados	seis Regiões AWS, Amazon CloudFront, Amazon DynamoDB, Amazon EC2, AWS Elemental MediaTailor, failover multi-AZ e Regional
Resultados principais (publicados pela AWS, reivindicados pelo cliente)	11 jogos da NFL transmitidos para 18,4 milhões de fãs em 224 países e territórios durante a temporada regular da NFL de 2017; mais de 300.000 clientes fazendo poll por intervalo de anúncio; partições do DynamoDB dobradas pelo console nos intervalos de anúncio
Lição de integração	Centenas de milhares de clientes fazendo poll por intervalo de anúncio é exatamente o tráfego que a divisão push/pull deste exame existe para remover: SQS long polling (0 to 20 s) e SNS push são as respostas no escopo para "parar de martelar um endpoint"
Ressalva de exame	AWS Elemental / MediaTailor fica nos Media Services, que estão explicitamente fora do escopo: nomeie apenas os serviços no escopo que o enunciado pede
Fonte	aws.amazon.com/solutions/case-studies/amazon-prime-video (acesso em outubro de 2026)

Lição de exame: o número a levar para a sala do exame não é 18,4 milhões, é mais de 300.000 clientes fazendo poll por intervalo de anúncio. Qualquer enunciado sobre muitos clientes verificando repetidamente novo estado é uma pergunta de push-versus-pull: SNS empurra, consumidores do SQS fazem poll (e fazem long polling de até 20 segundos precisamente para cortar aquele tráfego), e EventBridge combina eventos sem ninguém fazendo poll nenhum. A segunda lição é elasticidade: as partições do DynamoDB foram dobradas pelo console durante o jogo, não depois de um ciclo de compras, essa é a história de agilidade do Domínio 1 contada através de um serviço de integração.

Caso D, NASA JPL: telemetria em escala de análise

Elemento	Detalhe
Indústria / contexto	O Laboratório de Propulsão a Jato da NASA (JPL) e o rover Perseverance, o Blog de Setor Público da AWS (2021-02-22) o chama de "a primeira missão planetária da NASA, com comunicação crítica para a missão e transferência de dados de telemetria na nuvem"
Serviços AWS citados	Auto Scaling de EC2 misturando Spot, On-Demand e Capacity Reservations; a história da NASA de 2012 na AWS também cita SWF, CloudFront e RDS
Resultados principais (publicados pela AWS, reivindicados pelo cliente)	~4,4 TB de dados baixados diariamente, gerando até 70 TB de produtos de dados finais; Spot com "até 90 por cento de desconto em comparação com os preços On-Demand do Amazon EC2"; a NASA separadamente relatou "quase um milhão de dólares em economia a cada ano" (AWS News Blog, 2012-06-11)
Lição de análise	Ingerir → processar → produtos de dados é a forma do pipeline ensinada aqui com Kinesis Data Streams, Data Firehose, Glue e Athena; o estudo de caso responde apenas à metade de computação da história
Armadilha de escopo	Amazon Simple Workflow Service (SWF), o serviço de orquestração na história de 2012 da NASA, agora está explicitamente fora do escopo; neste exame a resposta de workflow é sempre AWS Step Functions
Fonte	aws.amazon.com/solutions/case-studies/nasa-jpl-spot-case-study; aws.amazon.com/blogs/publicsector (2021-02-22); aws.amazon.com/blogs/aws (2012-06-11): todos acessados em outubro de 2026

Lição de exame: duas perguntas separáveis se escondem dentro desta história. "Como você processa terabytes por dia?" → a pilha de análise: capture o stream ordenado (Kinesis Data Streams), pouse-o sem código de consumidor (Data Firehose), catalogue e limpe (Glue), faça perguntas (Athena), armazene em warehouse (Redshift), faça gráficos (Quick Sight). "Como você paga pela computação embaixo?" → modelos de preço: Spot para lotes tolerantes a falhas e interrompíveis (documentado com até 90% de desconto sobre On-Demand) com On-Demand e Capacity Reservations para o resto. Nunca misture as metades: Spot nunca responde um enunciado de seleção de análise, e Athena nunca responde um enunciado de modelo de preço.

Caso E, NFL: um produto de análise voltado ao torcedor

Elemento	Detalhe
Indústria / contexto	O produto digital voltado ao torcedor da NFL, construído na AWS
Resultados principais (publicados pela AWS, reivindicados pelo cliente)	Mais de 1 milhão de fãs; atualizações a cada 3 minutos; mais de 500 milhões de pontos de dados por temporada
Lição de análise	Uma temporada de mais de 500 M de pontos de dados atualizada a cada três minutos é uma forma de requisito: captura ordenada, entrega em tempo quase real, depois uma visão apresentável
Fonte	aws.amazon.com/solutions/case-studies/nfl-case-study (acesso em outubro de 2026)

Lição de exame: leia a cadência do enunciado, nunca seu marketing. "Ordenado, reproduzível, atualizações a cada poucos minutos" ⇒ Amazon Kinesis Data Streams (shards, retenção padrão de 24 horas até 365 dias); "pousar no S3 sem código de consumidor" ⇒ Amazon Data Firehose; "gráficos e dashboards para um milhão de fãs" ⇒ Amazon Quick Sight; "perguntas SQL sobre o que pousou no S3" ⇒ Amazon Athena. A página do estudo de caso é a fonte apenas para os números: a seleção do serviço é sua, e deve vir da lista no escopo.

O que os casos C, E acrescentam

Padrão de valor	Evidência	Princípio subjacente
Push supera poll em escala	Prime Video: mais de 300.000 clientes fazendo poll por intervalo de anúncio	SQS long polling (0 to 20 s) e SNS push existem para cortar exatamente aquele tráfego
A forma do pipeline de análise se repete	NASA JPL: 4,4 TB/dia → até 70 TB/dia de produtos de dados; NFL: mais de 500 M de pontos de dados por temporada	Capturar → pousar → catalogar → consultar → apresentar: Kinesis, Firehose, Glue, Athena, Quick Sight
Elasticidade é uma ação de console	Prime Video: partições do DynamoDB dobradas em meio ao jogo	Serviços gerenciados escalam sem um ciclo de compras (agilidade do Domínio 1)
Modelo de preço ≠ escolha de serviço	NASA JPL: Spot com até 90% de desconto sobre On-Demand	Escolha primeiro o serviço no escopo, depois a opção de compra
Nomes fora do escopo vivem dentro de histórias reais	AWS Elemental / MediaTailor e SWF aparecem nos próprios estudos de caso da AWS	Um estudo de caso nunca licencia uma resposta fora do escopo

📚 Você sabia? O próprio estudo de caso do Prime Video da AWS relata mais de 300.000 clientes fazendo poll por intervalo de anúncio, precisamente o comportamento que o long polling do SQS (esperar até 20 segundos em vez de refazer poll imediatamente) e o modelo de push do SNS são documentados para remover, então a página serve também como justificativa da própria AWS para a divisão push-versus-pull deste exame (estudo de caso acessado em outubro de 2026; limites em outubro de 2026, verifique os valores atuais antes de usar).
📚 Você sabia? A página do NASA JPL cita até 90 por cento de desconto para Spot versus On-Demand, enquanto seu pipeline de dados roda ~4,4 TB de dados baixados por dia: uma história, dois domínios do exame: uma resposta de modelo de preço do Domínio 4 (Spot para lotes tolerantes a falhas) e uma resposta de seleção de análise do Domínio 3 (Kinesis, Firehose, Glue, Athena, Redshift), e o serviço de orquestração que usou em 2012, SWF, agora está fora do escopo (estudo de caso e blogs acessados em outubro de 2026).
📚 Você sabia? A página do Capital One contém as duas metades desta lição de uma vez: a metade de integração (Step Functions 80% mais rápido nas verificações, uma aplicação −90% no Lambda) e a metade de aplicações de negócios: é um dos usuários publicados da AWS de Amazon Connect e Amazon SES. A AWS também documenta o rabo físico da migração: 103 toneladas de cobre e aço recicladas dos oito data centers dos quais saiu (estudo de caso acessado em outubro de 2026).

⚠️Aviso

Como ler números de estudos de caso no dia do exame: cada número acima é reivindicado pelo cliente ou publicado pela AWS e não auditado: nunca uma garantia, e "até" é um teto, nunca uma média. Atribua a fonte e a data de acesso ("estudo de caso do Capital One, acesso em outubro de 2026"), não "a AWS prova". Um caso nunca licencia uma resposta fora do escopo: pede-se para selecionar o serviço no escopo, não para reproduzir o número de marketing.