Ein Dateningenieur extrahiert monatliche Trainingsdaten aus Amazon Redshift in Amazon S3. Das Quellschema umfasst TransactionTimestamp (timestamp), CardName (varchar) und CardNo (varchar). Der Ingenieur muss (1) Zeilen mit CardNo = NULL entfernen, (2) TransactionTimestamp in TransactionDate und TransactionTime aufteilen und (3) CardName in NameOnCard umbenennen. Die Lösung muss den Infrastrukturaufbau minimieren, monatlich automatisiert werden und den Redshift-Cluster minimal belasten. Welche Lösung erfüllt diese Anforderungen?

Die AWS Glue-Lösung ist korrekt, da sie serverlos ist (minimiert den Infrastrukturaufbau), die erforderlichen Transformationen (Filtern, Aufteilen von Zeitstempeln, Umbenennen von Feldern) direkt unterstützt und über einen Scheduler für die monatliche Automatisierung verfügt. Sie nutzt die Redshift-Verbindung von Glue effizient, ohne den Cluster übermäßig zu belasten. Ein Amazon EMR-Cluster erfordert die Bereitstellung und Verwaltung von Infrastruktur. Das Ausführen von Abfragen von einer EC2-Instanz ist ein manueller Prozess und nicht skalierbar oder automatisiert. Redshift Spectrum ist für Abfragen externer Daten konzipiert, nicht für das direkte Schreiben von Redshift-Ergebnissen nach S3 mit Transformationen, und das Schreiben von Ergebnissen nach S3 erfordert zusätzliche Schritte und Tools.