Uma empresa lê dados de vários bancos de dados de clientes do Amazon RDS onde os nomes e formatos dos campos são inconsistentes (por exemplo, place_id em um banco de dados e location_id em outro). A empresa deve vincular registros de clientes entre os bancos de dados, mesmo quando os nomes dos campos forem diferentes. Qual solução oferece essa capacidade com a MENOR sobrecarga operacional?

A opção correta é usar um crawler do AWS Glue para rastrear os bancos de dados e, em seguida, a transformação FindMatches do AWS Glue para encontrar registros duplicados. O AWS Glue FindMatches é um recurso de machine learning (ML) sem código que identifica registros que se referem à mesma entidade, mesmo quando não há identificadores comuns ou os campos são inconsistentes. Isso minimiza a sobrecarga operacional, pois o AWS Glue é um serviço totalmente gerenciado. As outras opções envolvem a criação e gerenciamento de clusters Amazon EMR ou a construção de pipelines Apache Spark ML no Amazon SageMaker, o que aumenta significativamente a sobrecarga operacional e a complexidade. Embora essas soluções possam alcançar o objetivo, elas exigem mais gerenciamento de infraestrutura e expertise em ML.