一家拥有超过 5000 万活跃客户的在线零售公司将购买数据存储在 Amazon S3 中，并将其他客户数据存储在 Amazon RDS 中。该公司希望将所有数据提供给各个团队进行分析，并具有精细的访问控制和最少的操作开销。哪种解决方案符合这些要求？

正确答案是使用 AWS Lake Formation 创建数据湖，并通过 AWS Glue JDBC 连接和 S3 注册来整合数据，然后利用 Lake Formation 的细粒度访问控制。这种方法满足了所有要求：将 S3 和 RDS 数据整合到统一的数据湖中，Lake Formation 提供精细的访问控制，并且操作开销最小。 将购买数据直接迁移到 Amazon RDS 不可行，因为 RDS 不适合存储海量的非结构化或半结构化购买数据，且成本高昂。定期将数据从 RDS 复制到 S3 并使用 Athena 查询，虽然能整合数据，但 S3 策略的访问控制粒度不如 Lake Formation，且无法直接管理 RDS 数据访问。创建 Amazon Redshift 集群会增加额外的管理开销和成本，且 Redshift 主要用于数据仓库场景，不完全符合数据湖的灵活性需求。