Uma empresa precisa de uma forma no-code para transformar um grande conjunto de dados Parquet no Amazon S3 aplicando one-hot encoding a algumas colunas e gravar os dados transformados de volta no mesmo bucket S3. Qual solução atende a essas restrições?

A solução correta é usar o AWS Glue DataBrew porque ele é uma ferramenta no-code projetada para limpeza e normalização de dados, incluindo transformações como one-hot encoding. Ele permite criar receitas visuais para aplicar transformações e executar jobs para processar os dados e gravá-los de volta no S3, atendendo diretamente aos requisitos de no-code e transformação de dados Parquet. As outras opções são incorretas porque: Usar Amazon Athena com SQL para one-hot encoding é possível, mas exige conhecimento de SQL e pode ser complexo para implementar one-hot encoding puramente via SQL, além de não ser uma solução "no-code". Usar um notebook interativo AWS Glue ETL envolve codificação (Python ou Scala), o que contradiz o requisito "no-code". Provisionar um cluster Amazon Redshift e usar Redshift Spectrum também envolve SQL e gerenciamento de infraestrutura, não sendo uma solução "no-code" e sendo excessivo para a tarefa.