我们可以轻松地在不同的AWS Services for ex之间保存数据。 Kinesis到DynamoDB；或将AWS IoT迁移到Redshift等。
但是将流数据保存到假定MongoDB（没有AWS PaaS；有Atlas但与其他AWS服务没有集成的最佳策略是什么）
我可以看到一些第三方解决方案；但是在AWS本身上实现的最佳策略是什么...对每个插入（分批处理）执行lambda函数是唯一的选择吗？
您可以在每次FireHose调用时调用lambda函数。而且此lambda可以插入EC2上托管的mongodb中。您可以批处理操作，以减少lambda调用的次数（并相应地减少成本）
我假设您正在使用Kinesis Firehose。如果是这样，您可以做的是：
从Firehose每5分钟写入S3。
Firehose将每5分钟在S3上创建一个新文件。
触发Lambda函数以读取S3上的新文件。
将新文件的数据写入MongoDB。
[如果您使用的是Kinesis（而不是firehose），则只需编写一个Kinesis使用者，它将从Kinesis中读取数据并直接写入MongoDB。
FYI，有像MongoDB这样的DocumentDB，就像API，您可以将其用作AWS托管的MongoDB
解决方案主要取决于您的用例。您需要多快的时间将数据插入到MongoDB中？
如果您需要近乎实时的解决方案，那么Kinesis和Lambdas是您的最佳选择（假设您不想投资第三方产品）。如果您可以承受延迟并进行批处理，则可以将kinesis流保存到S3中，然后使用AWS Glue处理并将数据加载到数据库中。
您需要考虑的主要是您需要对数据做些什么。
如果您正在收集传感器数据，而您只在乎聚合（例如，UI中的单击），那么最好将原始数据存储到s3中，然后执行数据管道（例如，使用AWS Glue）进行存储将汇总数据导入MongoDB。对于这些类型的数据，S3将更快，更便宜。
如果您使用流来传递业务实体（例如，可自行提供价值的文档），那么使用AWS lambda的近实时解决方案将是更好的选择。
[不知道确切的用例，我建议只在数据库中存储提供价值的数据（例如，有关汇总数据的报告），并将S3与生命周期策略一起用于原始“传感器”数据。