某零售商收集来自 20,000 家门店的采购记录，并使用 Amazon Kinesis Data Firehose 将其发送到 Amazon S3。每家门店都运行一个小型服务器应用程序，通过互联网传输数据。这些数据用于每天重新训练机器学习模型。数据科学团队确定了在训练之前应合并到新属性中的现有字段。哪种更改可以在产生转换后的记录的同时，增加最少的操作开销？

正确答案是创建一个执行记录转换的 AWS Lambda 函数，并在 Kinesis Data Firehose 传输流上启用数据转换，将其配置为调用该 Lambda 函数。这种方法操作开销最小，因为它利用了 Kinesis Data Firehose 的内置数据转换功能，可以直接在数据传输到 S3 之前进行处理。Lambda 函数是无服务器的，按需付费，无需管理服务器，非常适合这种事件驱动的轻量级转换任务。 其他选项的开销都更大： 启动 Amazon EMR 集群进行转换会引入集群管理和维护的复杂性及成本，即使是按需启动，其启动和关闭时间也会增加延迟和开销。 在每家门店部署 Amazon S3 File Gateway 并运行 AWS Glue 作业，会增加大量的边缘设备部署和管理负担，并且 Glue 作业的成本和运行时间也高于简单的 Lambda 转换。 预置 Amazon EC2 实例集群来处理数据，需要管理和维护 EC2 实例，包括操作系统、补丁和扩展，这会带来显著的操作开销和成本。