Uma empresa usa o AWS Lake Formation para gerenciar um data lake contendo dados estruturados e não estruturados. Engenheiros de ML são designados para campanhas de publicidade específicas e devem consultar dados com o Amazon Athena e navegar por objetos diretamente no S3. Cada engenheiro deve acessar apenas os recursos de suas campanhas atribuídas. Qual é a solução mais eficiente operacionalmente para impor o acesso baseado em campanha?

A solução mais eficiente é usar o Lake Formation, pois ele oferece controle de acesso granular centralizado para dados em data lakes. Ao autorizar o AWS Glue (que o Athena usa) e aplicar tags do Lake Formation, você pode mapear engenheiros de ML para campanhas específicas. Isso garante que eles acessem apenas os dados relevantes, simplificando a gestão de permissões. Políticas do IAM no Glue Data Catalog (opção 1) são menos granulares e mais complexas de gerenciar em escala. Gerenciar permissões via DynamoDB e Lambda (opção 2) é uma solução personalizada e complexa, aumentando a sobrecarga operacional. Políticas de bucket do S3 (opção 4) são difíceis de escalar e não fornecem o controle granular necessário para o Athena.