Un minorista utiliza Amazon Aurora PostgreSQL para transacciones en vivo y Amazon Redshift como data warehouse. Un ETL diario actualiza Redshift desde PostgreSQL. Para reducir los costos de Redshift, el ingeniero debe mantener solo los datos más recientes de 15 meses en Redshift, archivar los datos históricos y aún así ejecutar análisis que combinen datos de PostgreSQL en vivo, datos actuales de Redshift y datos históricos archivados. ¿Qué pasos satisfarán estos requisitos? (Elija dos)

La consulta federada de Amazon Redshift permite consultar directamente datos en vivo en Amazon Aurora PostgreSQL, lo que satisface el requisito de combinar datos de PostgreSQL en vivo con datos de Redshift. Esto elimina la necesidad de ETL para datos en vivo y reduce la carga en Redshift. La opción de Redshift Spectrum para consultar datos transaccionales en vivo en PostgreSQL es incorrecta porque Redshift Spectrum está diseñado para consultar datos en S3, no directamente en bases de datos relacionales como PostgreSQL. La opción de UNLOAD a S3 Glacier Flexible Retrieval es incorrecta porque Redshift Spectrum no puede consultar directamente datos en S3 Glacier Flexible Retrieval; los datos deben restaurarse primero a S3 Standard o S3 Intelligent-Tiering. La opción de crear una vista materializada en Redshift es incorrecta porque una vista materializada solo puede combinar datos que ya están en Redshift o accesibles a través de Redshift (como S3 vía Redshift Spectrum), no puede consultar directamente datos en vivo en Aurora PostgreSQL para la parte de "datos en vivo".