Ein Finanzunternehmen plant den Aufbau eines Data Mesh, das eine zentralisierte Governance, Analysen und Zugriffskontrolle umfassen muss. Sie werden AWS Glue für den Datenkatalog und ETL verwenden. Welches Paar von AWS-Services sollten sie zur Implementierung des Data Mesh verwenden? (Wählen Sie zwei.)

Die korrekten Antworten sind Amazon S3 für die Datenspeicherung und Amazon Athena für die Datenanalyse, sowie AWS Lake Formation für die zentralisierte Data Governance und Zugriffskontrolle. Ein Data Mesh erfordert eine skalierbare, kostengünstige Datenspeicherung, wofür Amazon S3 ideal ist. Amazon Athena ermöglicht serverlose Ad-hoc-Abfragen direkt auf Daten in S3, was gut zu den dezentralen Domänen eines Data Mesh passt. AWS Lake Formation ist der zentrale Dienst zur Verwaltung von Berechtigungen und Governance für Data Lakes auf AWS, was für die zentralisierte Governance und Zugriffskontrolle im Data Mesh unerlässlich ist. Amazon Aurora und Amazon RDS sind relationale Datenbanken, die für die Speicherung großer Mengen unstrukturierter oder semi-strukturierter Daten in einem Data Lake weniger geeignet sind. Amazon Redshift ist ein Data Warehouse, das für strukturierte Daten und vordefinierte Schemata optimiert ist, während ein Data Mesh oft flexiblere Analyseanforderungen hat. AWS Glue DataBrew ist ein Tool zur Datenaufbereitung und -bereinigung, nicht zur zentralisierten Governance und Zugriffskontrolle. Amazon EMR ist ein Hadoop-Framework, das für komplexe Big-Data-Verarbeitungsaufgaben geeignet ist, aber Athena bietet oft eine einfachere und kostengünstigere Lösung für Ad-hoc-Analysen.