Tiene datos de sensores de suelo de IoT en una tabla de Amazon DynamoDB de 10 GB y datos de eventos meteorológicos como archivos JSON de 5 GB en Amazon S3. Desea preparar este conjunto de datos combinado para entrenar un modelo de Amazon SageMaker con la menor sobrecarga administrativa. ¿Qué enfoque logra mejor la transformación requerida?

La opción correcta aprovecha AWS Glue para catalogar automáticamente los esquemas de los datos en DynamoDB y S3, lo que reduce la sobrecarga administrativa. Un trabajo ETL de AWS Glue puede luego fusionar estos conjuntos de datos y exportar el resultado a S3 en formato CSV, que es ideal para el entrenamiento de modelos de SageMaker. Iniciar un clúster de Amazon EMR es una solución viable pero implica más sobrecarga administrativa en comparación con AWS Glue, que es un servicio sin servidor. La opción de Redshift es innecesaria porque SageMaker puede leer directamente desde S3, y Redshift introduce costos y complejidad adicionales. La opción de DynamoDB Streams y Lambda es ineficiente para fusionar grandes volúmenes de datos históricos y está diseñada para procesar cambios en tiempo real, no para una transformación masiva inicial.