Web Crawler para Monitoramento de Notícias

Estou procurando um profissional que possa construir um web crawler para monitorar em média 50 mil sites de notícias (portais e blogs no Brasil) diariamente e armazenar no meu servidor somente notícias que tiverem determinadas palavras chaves, preciso armazenar o título da notícia, data da notícia e o texto da notícia.

Atualmente tenho servidores na Amazon (aws), gostaria de manter toda infra na aws.

Gostaria de uma ideia de quantos servidores eu precisaria na AWS para suportar esta demanda.

Também preciso saber se para cada um dos sites monitorados, precisarei manualmente "mapear" para que consiga extrair a data, título e o texto da notícia ou se isso seria automático.

E por último, uma ideia de valor/tempo deste Job e se for o caso, um valor mensal para manter um suporte comigo.

Obrigado