Una empresa de marketing almacena datos de clickstream en Amazon S3 y ejecuta consultas SQL diarias que JOIN objetos de S3 ubicados en diferentes buckets para producir KPI. La empresa necesita una solución sin servidor que admita consultas particionadas, que preserve las garantías ACID (atomicidad, consistencia, aislamiento, durabilidad) y que minimice los costos. ¿Qué opción cumple estos requisitos de la manera más rentable?

Amazon Athena es la opción más rentable porque es un servicio de consulta interactiva sin servidor que permite consultar datos directamente en Amazon S3 utilizando SQL estándar. Admite consultas particionadas, lo que reduce la cantidad de datos escaneados y, por lo tanto, los costos. Además, Athena, cuando se utiliza con formatos de archivo transaccionales como Apache Iceberg, Apache Hudi o Delta Lake, puede proporcionar garantías ACID. Amazon S3 Select permite recuperar subconjuntos de datos de objetos S3, pero no es una solución de consulta SQL completa para JOINs entre buckets. Amazon Redshift Spectrum permite consultar datos en S3 desde un clúster de Redshift, pero Redshift en sí no es sin servidor y tiene costos asociados con el mantenimiento del clúster. Amazon EMR es un servicio de clústeres gestionados para procesar grandes volúmenes de datos, pero requiere la gestión de clústeres y no es inherentemente sin servidor, lo que lo hace menos rentable para este caso de uso.