Ein Unternehmen erzeugt Batch-Daten aus verschiedenen Datenbanken und Live-Stream-Daten von Netzwerksensoren und Anwendungs-APIs. Das Unternehmen muss alle eingehenden Daten konsolidieren und verarbeiten und sie dann in verschiedene Amazon S3-Buckets für einmalige Abfragen und den späteren Import in ein BI-Tool für KPIs bereitstellen. Welche Kombination von Schritten erfüllt diese Anforderungen mit dem GERINGSTEN Betriebsaufwand? (Wählen Sie zwei.)

Die Kombination aus AWS Lake Formation Blueprints und AWS Glue ist die beste Lösung für die Erfassung und Transformation der Daten. Lake Formation vereinfacht die Einrichtung eines Data Lakes, indem es Blueprints zur Automatisierung der Datenaufnahme aus verschiedenen Quellen bietet. AWS Glue ist ein vollständig verwalteter ETL-Service, der das Crawlen, Extrahieren, Transformieren und Laden von Daten in S3 im optimierten Parquet-Format ermöglicht, was den Betriebsaufwand minimiert. Amazon Athena ist ideal für Ad-hoc-Abfragen direkt auf S3-Daten, und Amazon QuickSight ist ein serverloser BI-Service zur Erstellung von Dashboards für KPIs, was ebenfalls den Betriebsaufwand reduziert. Amazon Kinesis Data Analytics ist für Echtzeit-Streaming-Analysen gedacht, nicht für einmalige Abfragen auf archivierten Daten. Benutzerdefinierte Lambda-Funktionen für den Datentransfer zu Redshift erfordern erheblichen Entwicklungs- und Wartungsaufwand. Die Konvertierung in JSON und das Laden in mehrere OpenSearch-Cluster sind für Ad-hoc-Abfragen und KPIs in S3 unnötig komplex und teuer.