Marketingdaten aus mehreren Quellen werden in einen Amazon S3-Bucket hochgeladen. Datenaufbereitungsaufträge müssen in regelmäßigen Abständen parallel ausgeführt werden, wobei einige Aufträge später in einer bestimmten Reihenfolge ausgeführt werden müssen. Das Unternehmen möchte den operativen Aufwand für die Fehlerbehandlung, Wiederholungsversuche und das Zustandsmanagement von Aufträgen eliminieren. Welche Lösung erfüllt diese Anforderungen?

Die korrekte Lösung ist die Verwendung von AWS Glue DataBrew und AWS Step Functions. AWS Glue DataBrew ist ein serverloser Dienst zur visuellen Datenaufbereitung, der sich ideal für die Verarbeitung von Marketingdaten aus verschiedenen Quellen eignet und den operativen Aufwand reduziert. AWS Step Functions ermöglicht die Orchestrierung komplexer Workflows, einschließlich paralleler Ausführung und sequenzieller Auftragsabläufe, und bietet integrierte Fehlerbehandlung, Wiederholungsversuche und Zustandsmanagement. Die anderen Optionen sind weniger geeignet: AWS Lambda eignet sich für ereignisgesteuerte Verarbeitung, aber die Orchestrierung komplexer, sequenzieller und paralleler Aufträge mit Fehlerbehandlung wäre aufwendig zu implementieren. Amazon Athena ist ein Abfragedienst, keine Lösung zur Datenaufbereitung oder Workflow-Orchestrierung. AWS Data Pipeline ist ein älterer Dienst, der weniger flexibel ist und nicht die serverlosen Vorteile oder die umfassende Workflow-Orchestrierung von Step Functions bietet.