某公司每天从 SAP HANA、SQL Server、MongoDB、Kafka 和 DynamoDB 等来源提取大约 1 TB 的数据。其中一些来源的架构未定义或不断演变。解决方案必须在数据创建后 15 分钟内检测架构、执行 ETL 并将数据加载到 S3 中。哪种方法能够以最少的运营开销提供所需的功能？

AWS Glue 是一款完全托管的 ETL 服务，非常适合处理来自多种来源（包括结构化和半结构化数据）的每日 1 TB 数据。它内置的 Glue Data Catalog 能够自动检测并管理不断演变的架构，满足了“架构未定义或不断演变”的需求。Glue 支持 Apache Spark，允许创建高效的 ETL 管道，并将数据加载到 S3，同时其无服务器特性显著降低了运营开销。 其他选项的不足： Amazon EMR 需要管理 EC2 实例集群，运营开销较高。 AWS Lambda 适用于轻量级、事件驱动的任务，但对于每日 1 TB 的数据处理，其运行时限制和内存限制使其不适合作为主要的 ETL 引擎。 Amazon Redshift 主要用于数据仓库分析，虽然 Redshift Spectrum 可以查询 S3 上的数据，但其存储过程不擅长通用 ETL 任务，且 Redshift 本身不是一个通用的 ETL 工具，无法直接检测多种来源的架构并执行 ETL 到 S3。