Un ingeniero de datos suscribió un bucket de S3 a un producto de AWS Data Exchange que entrega indicadores económicos. El ingeniero debe unir esos datos económicos entrantes con una tabla existente en Amazon Athena y completar todas las transformaciones en un plazo de 30 a 60 minutos. ¿Qué solución rentable cumple con estos requisitos?

La opción correcta utiliza un evento de S3 para activar una función Lambda, que a su vez inicia un trabajo de AWS Glue. AWS Glue es ideal para transformaciones de datos (ETL) y puede fusionar los datos económicos con la tabla de Athena de manera eficiente. Athena consulta datos directamente en S3, y Glue puede escribir los resultados de nuevo en S3, lo que es rentable y cumple con el plazo de 30-60 minutos. La primera opción, usar Kinesis, es excesiva para datos que ya llegan a S3 y añade complejidad innecesaria. La segunda opción, SageMaker Data Wrangler, es una herramienta de preparación de datos interactiva, no diseñada para flujos de trabajo automatizados y programáticos como este. La cuarta opción, aprovisionar un clúster de Redshift, es costosa y no es necesaria para esta tarea, ya que Athena puede consultar los datos directamente en S3.