一个生命科学团队从测序仪生成的数据，每个基因组大约200 GB。他们每天运行10-15个作业。每个作业在理想计算条件下可能需要几个小时。测序数据存储在本地SAN上，公司拥有高速AWS Direct Connect链接。最终结果必须存储在Amazon S3中。该团队希望将基因组分析平台迁移到AWS，以根据需求进行扩展并缩短周转时间。哪种解决方案符合这些要求？

正确答案提供了最全面且可扩展的解决方案。AWS DataSync高效地将本地200GB基因组数据传输到S3。S3事件触发Lambda函数，进而启动AWS Step Functions工作流，实现复杂的基因组分析流程编排。将Docker镜像存储在Amazon ECR中，并利用AWS Batch处理容器化作业，可以根据需求自动扩展计算资源，显著缩短周转时间。 选项A (Snowball Edge) 不适合每日10-15个作业的频率，主要用于大规模一次性数据迁移。 选项B (Data Pipeline) 复制数据到S3，但使用EC2 Auto Scaling组启动自定义AMI实例来处理数据，不如AWS Batch在处理容器化作业方面高效和管理简单。 选项D (Storage Gateway文件网关) 适合文件共享，但对于如此大的数据集和高性能计算需求，DataSync是更优的传输选择。S3事件触发AWS Batch作业是可行的，但缺少Step Functions进行复杂工作流编排，且未提及ECR存储Docker镜像。