Data filtering : A comparison between two different AWS architectures

Arbetet bygger på förbättring av befintlig arkitektur för en tjänst som beräknar koldioxidutsläpp för molntjänster. Nuvarande arkitektur bygger på att samla ihop och klumpa stora mängder data i form av användarrapporter. Därefter körs frågor mot det data för att få ut relevant information. Detta kan ta väldigt lång tid. För att försöka påskynda denna process görs en undersökning om man kan minska tiden som går åt att köra frågor mot data om datamängden blir mindre. Detta uppnås genom att filtrera bort oönskad data ur mängden innan man kör frågor mot det. Vidare undersöks om den nya arkitekturen kan möjliggöra för enklare implementation av nya funktioner till tjänsten. Metoden för undersökningen var att bygga en alternativ arkitektur med hjälp av AWS och dess tjänster. Resultaten visar på att även om mängden data som skannas är nästan oförändrat så minskas körtiden avsevärt när den totala storleken på datamängden minskar. Vidare bidrar den nya arkitekturen till enklare implementation av nya tjänster än tidigare.The current architecture the stakeholders are using consists of collecting large amounts of data. After the data is collected it is queried for relevant information. This query process can take a long time. This report looks at if it is possible to reduce this time by reducing the data size. This is done by filtering the data before doing queries towards it. Furthermore this report will investigate if the new architecture can make it easier to implement new functionality. To investigate these questions a new architecture will be built using AWS. The results show that even though scanning nearly the same amount of data, with the total data size reduced one can drastically reduce the query times. Furthermore this new architecture makes it easier to implement new functionality