一位数据科学家在SageMaker Data Wrangler中定义了转换和特征工程，并将其保存到SageMaker Feature Store。新的历史数据会定期到达S3，并且必须经过转换并添加到在线特征存储中，以便使用原生集成进行训练和推理。哪种解决方案所需的开发工作量最少？

正确答案是使用Amazon EventBridge触发预定义的SageMaker pipeline，在S3中检测到新数据时执行转换。这是因为SageMaker Data Wrangler与SageMaker Feature Store和SageMaker Pipelines原生集成，允许您将Data Wrangler流导出为Pipeline。EventBridge可以轻松地配置为响应S3事件（如新对象创建）来触发此Pipeline，从而实现自动化且开发工作量最小的解决方案。 其他选项的开发工作量更大： 使用AWS Lambda函数需要编写代码来调用Pipeline，增加了开发和维护的复杂性。 使用AWS Step Functions状态机虽然可以编排，但配置和管理状态机本身比EventBridge直接触发更复杂。 使用Apache Airflow需要部署和管理Airflow环境，这显著增加了操作开销和开发工作量。