一家公司正在 Amazon S3 上构建数据湖，并且必须对将通过 Amazon Athena、Redshift Spectrum 和 EMR 上的 Apache Hive 进行查询的团队强制执行行级和列级访问控制。哪种方法可以最大限度地降低运营开销？

正确答案是使用 AWS Lake Formation。Lake Formation 旨在简化在 Amazon S3 上构建数据湖的过程，并提供细粒度的访问控制，包括行级和列级安全性。它与 Athena、Redshift Spectrum 和 EMR 等服务原生集成，可以集中管理数据访问权限，从而最大限度地降低操作开销。 其他选项不正确的原因如下： 选项一：S3 访问策略（如存储桶策略或 IAM 策略）无法直接提供行级和列级访问控制，它们主要用于对象级别的权限管理。 选项二：虽然 Apache Ranger 可以在 EMR 上提供细粒度控制，但将其与 Apache Pig 结合使用来提供数据访问，会增加复杂性并限制与其他查询服务的集成。Lake Formation 提供更集成的解决方案。 选项三：将 Amazon Redshift 作为数据湖存储不符合在 S3 上构建数据湖的初始要求，并且 Redshift 的安全策略仅限于 Redshift 内部，无法统一管理跨多个查询引擎的数据湖访问。