Uma empresa tem grandes conjuntos de dados S3 (históricos e de streaming) que devem ser ingeridos no SageMaker Feature Store para que o online store reflita os dados recentes imediatamente e um offline store mantenha um histórico completo. Qual solução satisfaz esses requisitos?

A opção correta é usar o conector Spark do Feature Store para ingerir os dados como Spark DataFrames com o online store e o offline store habilitados. Isso permite processar grandes volumes de dados (históricos e de streaming) de forma eficiente e garantir que o online store tenha dados recentes para baixa latência, enquanto o offline store mantém o histórico completo para treinamento e análise. Usar a API PutRecord diretamente no Feature Store Runtime para todos os dados seria ineficiente e impraticável para grandes volumes de dados históricos e de streaming. Habilitar apenas o online store não atenderia ao requisito de manter um histórico completo.