一家公司每天在 S3 中接收一个大约 2 GB 的 .xls 客户数据文件。数据工程师需要连接名字和姓氏列，并计算文件中不同客户的数量。哪种方法所需的操作工作量最少？

AWS Glue DataBrew 提供了无代码或低代码的数据准备功能，非常适合处理日常的、结构化的数据文件，如本例中的 .xls 文件。通过创建配方 (recipe) 并使用内置的 COUNTDISTINCT 聚合函数，可以直观地完成名字和姓氏的连接以及去重计数，操作工作量最少。 其他选项虽然也能实现目标，但操作工作量相对较大： 在 AWS Glue notebook 或 Amazon EMR Serverless 中运行 Apache Spark 作业需要编写和维护代码，对于这种简单的任务来说，工作量更多。 使用 AWS Glue crawler 和 Amazon Athena 需要先创建 Data Catalog，然后编写 SQL 查询，虽然可行，但 DataBrew 提供更直接、更可视化的数据准备体验。