Un ingeniero de datos tiene la necesidad única de leer objetos Apache Parquet en un bucket de S3 y extraer solo una columna. ¿Qué opción logra esto con una sobrecarga operativa mínima?

S3 Select permite recuperar un subconjunto de datos de un objeto S3 utilizando expresiones SQL, lo que minimiza la sobrecarga operativa al evitar la descarga de todo el objeto. Es ideal para extraer solo una columna de archivos Parquet directamente desde S3. La opción de AWS Lambda con pandas implicaría descargar el objeto completo a Lambda, lo que es ineficiente y genera costos adicionales. AWS Glue DataBrew es una herramienta de preparación de datos visual, más adecuada para transformaciones complejas que para una simple extracción de columna. Ejecutar un crawler de AWS Glue y usar Amazon Athena es una solución robusta para consultar conjuntos de datos más grandes y complejos, pero para extraer una sola columna de un solo objeto, S3 Select es más directo y con menor sobrecarga.