Ein Online-Modeunternehmen möchte einen S3-basierten Data Lake, der Echtzeitanalysen, interaktive Analysen historischer Daten, Clickstream-Analysen und personalisierte Produktempfehlungen unterstützt. Welche Kombination von AWS-Services sollte verwendet werden, um diese Anforderungen zu erfüllen?

Die korrekte Option nutzt AWS Glue als zentralen Datenkatalog für den Data Lake, was für die Verwaltung von Metadaten über verschiedene Datenquellen hinweg unerlässlich ist. Amazon Kinesis Data Streams und Kinesis Data Analytics ermöglichen die Echtzeitverarbeitung und -analyse von Streaming-Daten, was für Echtzeitanalysen und Clickstream-Analysen entscheidend ist. Kinesis Data Firehose liefert die Clickstream-Daten effizient an Amazon Elasticsearch Service (Amazon ES) für schnelle Such- und Analysefunktionen. Amazon EMR ist eine leistungsstarke Plattform für Big-Data-Verarbeitung und maschinelles Lernen, ideal für die Erstellung komplexer personalisierter Produktempfehlungen basierend auf historischen Daten. Die anderen Optionen sind weniger geeignet, da sie entweder Amazon Athena fälschlicherweise als Datenkatalog anstelle von AWS Glue nennen (Athena ist ein Abfragedienst), Kinesis Data Analytics für historische Daten anstatt für Echtzeitdaten vorschlagen oder DynamoDB Streams für Clickstream-Analysen verwenden, was für diesen Anwendungsfall weniger optimiert ist als Kinesis.