您有一个10 GB的Amazon DynamoDB表，其中包含IoT土壤传感器数据，以及5 GB的JSON文件形式的Amazon S3中的天气事件数据。您希望准备这个组合数据集，以最少的管理开销来训练Amazon SageMaker模型。哪种方法最能实现所需的转换？

正确答案是使用AWS Glue爬网程序编目数据，然后创建AWS Glue ETL作业合并数据集并将结果写入S3。AWS Glue是一种无服务器ETL服务，可以自动发现数据模式并生成ETL代码，最大限度地减少管理开销。将结果存储在S3中，便于SageMaker直接访问进行模型训练。 启动Amazon EMR集群会增加管理开销，因为它需要配置和维护集群。将合并后的数据写入Amazon Redshift会增加不必要的成本和复杂性，因为SageMaker可以直接从S3读取数据，而无需Redshift作为中间层。使用DynamoDB Streams和Lambda将数据附加到S3中的现有文件，对于合并两种不同来源的数据来说效率低下且复杂，尤其是在需要进行数据转换和清洗时。