As aplicações de uma empresa usam Apache Hadoop e Apache Spark on-premises. A infraestrutura não é escalável e é complexa de gerenciar. Um arquiteto de soluções deve projetar uma solução escalável que reduza a complexidade operacional, mantendo o processamento de dados on-premises. Qual solução atende a esses requisitos?

A opção correta é migrar as aplicações Apache Hadoop e Apache Spark para clusters Amazon EMR no AWS Outposts. Esta solução atende aos requisitos de escalabilidade e redução da complexidade operacional, pois o EMR gerencia o cluster, e o AWS Outposts permite que o processamento de dados permaneça on-premises, cumprindo a restrição de manter os dados localmente. As outras opções estão incorretas porque: Usar AWS Site-to-Site VPN para acessar HDFS on-premises e processar com EMR na nuvem não resolve a complexidade operacional do Hadoop on-premises e pode introduzir latência. Usar AWS DataSync para se conectar ao HDFS on-premises e processar com EMR na nuvem também não resolve a complexidade do Hadoop on-premises e pode mover os dados para a nuvem, o que contraria o requisito de processamento on-premises. Usar um dispositivo AWS Snowball para migrar dados para um bucket S3 implica mover os dados para a nuvem, o que viola a restrição de manter o processamento de dados on-premises.