Você deve construir um pipeline de ETL que ingere arquivos (CSV, JSON ou Parquet) entregues a cada 15 minutos de 10 sistemas de origem em 10 tabelas do Amazon Redshift. Todos os arquivos chegam em um único bucket S3; os tamanhos dos arquivos variam de 10 MB a 20 GB. O pipeline deve tolerar alterações de esquema. Quais soluções atendem a esses requisitos? (Escolha duas.)

As opções corretas utilizam um fluxo de trabalho do AWS Glue com um crawler, que é essencial para lidar com a tolerância a alterações de esquema e a variedade de formatos de arquivo (CSV, JSON, Parquet). O crawler atualiza o catálogo de dados, permitindo que o trabalho do Glue processe os dados corretamente. A invocação via EventBridge a cada 15 minutos atende ao requisito de agendamento, enquanto a invocação via Lambda (acionada por S3) permite processamento imediato na chegada do arquivo. Ambas as abordagens garantem a execução do crawler antes do trabalho de ETL. A primeira opção incorreta não inclui um crawler, o que a torna inadequada para lidar com alterações de esquema. A terceira opção incorreta é excessivamente complexa e menos eficiente, pois usa múltiplas funções Lambda e um gatilho sob demanda para o crawler, em vez de integrá-lo diretamente no fluxo de trabalho. A última opção incorreta não usa um crawler para lidar com as alterações de esquema e introduz o Kinesis Data Firehose, que não é a solução mais direta para carregar dados processados pelo Glue no Redshift neste cenário.