您的 Amazon S3 中有 CSV 文件，其中包含时间戳列，格式为：2020 年 3 月 1 日，下午 08:14。您假设工作日、月份和小时会影响目标变量，因此您需要向数据集中添加三个新特征（星期几、月份、小时）。哪种方法可以在将新文件生成到 S3 中时，以最少的运维开销添加这些特征？

正确答案是使用 Amazon SageMaker Data Wrangler。Data Wrangler 提供了低代码/无代码的解决方案，通过其内置的“特征化日期/时间”转换，可以轻松地从时间戳中提取星期几、月份和小时，并直接将结果导出到 S3，运维开销最小。 其他选项虽然也能实现目标，但运维开销更大： 预置 Amazon EMR 集群需要管理集群资源，并编写 PySpark 代码，增加了复杂性。 创建 Amazon SageMaker Processing 作业需要编写 Python 代码，并管理处理环境。 创建 AWS Glue 作业也需要编写代码（通常是 PySpark 或 Scala），并配置 Glue 作业，虽然是无服务器的，但仍比 Data Wrangler 的图形界面操作更复杂。 因此，Data Wrangler 是最符合“最少运维开销”要求的解决方案。