Um arquiteto de soluções gerencia um aplicativo de análise que armazena grandes quantidades de dados semiestruturados em um bucket S3. O arquiteto deseja processamento de dados paralelo para acelerar o processamento e enriquecer os dados usando informações armazenadas em um banco de dados Amazon Redshift. Qual solução atende a esses requisitos?

A opção correta é usar o Amazon EMR para processar os dados do S3 e enriquecê-los com dados do Amazon Redshift. O Amazon EMR é ideal para processamento paralelo de grandes volumes de dados semiestruturados, oferecendo ferramentas como Spark e Hive que podem ler diretamente do S3 e se conectar ao Redshift para operações de enriquecimento. A primeira opção está incorreta porque o Amazon Athena é uma ferramenta de consulta interativa, não otimizada para processamento complexo e enriquecimento de dados em larga escala. A terceira opção está incorreta porque o Kinesis Data Streams é para streaming de dados em tempo real, não para mover grandes volumes de dados do S3 para o Redshift para enriquecimento. A quarta opção está incorreta porque o AWS Glue é mais focado em ETL sem servidor e catálogo de dados, e o Lake Formation é para governança, não para processamento paralelo e enriquecimento direto.