Un socio envía datos de tarjetas de crédito en texto plano (aproximadamente 5000 registros cada 15 minutos) a un bucket de S3 (cifrado en el lado del servidor). La empresa debe enmascarar automáticamente los PAN, eliminar/fusionar campos y transformar los registros a JSON, para luego enviar los resultados a otro bucket de S3 para procesamiento interno. El diseño debe ser fácilmente extensible para feeds adicionales. ¿Qué solución satisface estos requisitos?

La opción correcta es la más eficiente y escalable para esta tarea de procesamiento de datos. AWS Glue es un servicio de ETL (Extract, Transform, Load) sin servidor diseñado para preparar y transformar grandes volúmenes de datos. Un crawler de Glue puede inferir el esquema de los datos, y un clasificador personalizado permite manejar formatos específicos como el texto plano con PAN. Un trabajo ETL de Glue puede realizar el enmascaramiento, la eliminación/fusión de campos y la transformación a JSON de manera programática y escalable. La invocación mediante Lambda asegura una ejecución basada en eventos. Las otras opciones son menos adecuadas: La primera opción con múltiples Lambdas y SQS introduce una complejidad innecesaria y múltiples puntos de fallo para una tarea que Glue puede manejar de forma nativa. La segunda opción con Fargate y SQS es una solución válida, pero Glue está optimizado para ETL y ofrece características como el catálogo de datos y la inferencia de esquemas que Fargate no proporciona directamente, lo que lo hace más adecuado para la extensibilidad. La cuarta opción con Athena y EMR es excesiva para este caso. EMR es potente, pero su gestión es más compleja y costosa que Glue para transformaciones recurrentes y basadas en eventos. Athena es una herramienta de consulta, no de orquestación ETL.