Ein Unternehmen speichert JSON- und CSV-Datensätze in S3 und verfügt außerdem über Amazon RDS für SQL Server, bereitgestellte DynamoDB-Tabellen und einen Amazon Redshift-Cluster. Datenwissenschaftler müssen alle diese Quellen mit einer SQL-ähnlichen Syntax und minimalem Betriebsaufwand abfragen. Welche Lösung erfüllt diese Anforderung?

Die korrekte Antwort ist die beste Lösung, da sie alle Anforderungen erfüllt: AWS Glue crawlt die Datenquellen (S3, RDS, DynamoDB, Redshift) und speichert Metadaten im AWS Glue Data Catalog. Amazon Athena kann dann den Data Catalog nutzen, um alle diese Quellen mit SQL-ähnlicher Syntax abzufragen, einschließlich PartiQL für JSON-Daten, was den Betriebsaufwand minimiert. Die zweite Option ist weniger optimal, da Redshift Spectrum zwar S3-Daten abfragen kann, aber nicht direkt RDS oder DynamoDB. Die dritte Option erfordert zusätzliche Transformationen mit AWS Glue-Jobs, was den Betriebsaufwand erhöht und nicht direkt alle Quellen abfragt. Die vierte Option mit AWS Lake Formation ist zwar eine gute Data-Lake-Lösung, aber die Anforderung, alle Quellen direkt mit SQL-ähnlicher Syntax abzufragen, wird am besten durch die Kombination von Glue Data Catalog und Athena erfüllt, ohne vorherige Transformationen für alle Daten zu erzwingen.