Ein Unternehmen erhält täglich 2 GB an Verkaufsdatensätzen in einer MySQL-Datenbank und hat 100 GB an Verkaufschancen in Salesforce gespeichert. Das Unternehmen wünscht sich einen nächtlichen Prozess, um die beiden Datensätze mit minimalem Betriebsaufwand zu korrelieren. Welche Lösung erfüllt diese Anforderung?

Die korrekte Lösung nutzt Amazon AppFlow, um Verkaufschancen aus Salesforce zu extrahieren, da es eine direkte Integration mit SaaS-Anwendungen bietet. AWS Glue ist ideal, um Verkaufsdatensätze aus der MySQL-Datenbank zu extrahieren und zu transformieren, da es ein serverloser ETL-Dienst ist, der auch die Korrelation der Daten übernehmen kann. AWS Step Functions orchestriert den gesamten Prozess effizient und mit geringem Betriebsaufwand, da es visuelle Workflows für zustandsbehaftete Prozesse bietet. Die erste Option ist weniger effizient, da MWAA für die Datenabfrage überdimensioniert ist und Lambda-Funktionen für die Korrelation großer Datensätze teuer werden können. Die zweite Option ist fast korrekt, aber AWS Step Functions ist oft eine bessere Wahl für die Orchestrierung zustandsbehafteter Workflows als MWAA, besonders wenn es um die Koordination verschiedener AWS-Dienste geht. Die vierte Option ist ungeeignet, da Kinesis Data Streams und Managed Service for Apache Flink für Echtzeit-Streaming-Daten konzipiert sind, während hier ein nächtlicher Batch-Prozess gefragt ist.