Uma empresa produz dados em lote de vários bancos de dados e dados de stream ao vivo de sensores de rede e APIs de aplicativos. A empresa precisa consolidar e processar todos os dados recebidos e, em seguida, prepará-los em diferentes buckets do Amazon S3 para consultas únicas e posterior importação para uma ferramenta de BI para KPIs. Qual combinação de etapas atenderá a esses requisitos com a MENOR sobrecarga operacional? (Escolha duas.)

O AWS Lake Formation e o AWS Glue são ideais para criar um data lake no Amazon S3, automatizando a ingestão e transformação de dados para o formato Parquet, que é otimizado para análise. Isso minimiza a sobrecarga operacional, pois o Lake Formation simplifica a configuração do data lake e o Glue gerencia o ETL sem servidores. O Amazon Athena permite consultas ad-hoc diretamente no S3 sem provisionar servidores, enquanto o Amazon QuickSight é uma ferramenta de BI sem servidor para criar painéis e KPIs, complementando a solução com baixa sobrecarga. O Kinesis Data Analytics é para processamento de stream em tempo real, não para consultas ad-hoc em dados já armazenados. Funções Lambda para mover registros individuais para o Redshift seriam complexas e de alta sobrecarga para grandes volumes de dados. O OpenSearch Service é para pesquisa e análise de logs, não para o armazenamento centralizado de um data lake para BI.