Una empresa de servicios financieros está construyendo un data lake sin servidor en Amazon S3 que debe: permitir consultar datos antiguos y nuevos de S3 con Amazon Athena y Redshift Spectrum, admitir pipelines ETL controlados por eventos y proporcionar un descubrimiento de metadatos sencillo. ¿Qué solución cumple estos requisitos?

La opción correcta cumple con todos los requisitos. Un crawler de AWS Glue descubre automáticamente los esquemas de los datos en S3 y los registra en el AWS Glue Data Catalog, lo que permite a Athena y Redshift Spectrum consultarlos. AWS Lambda puede activar trabajos ETL de AWS Glue de forma controlada por eventos, procesando datos nuevos o modificados. El AWS Glue Data Catalog es un metastore centralizado que facilita el descubrimiento de metadatos. Las opciones incorrectas fallan en varios puntos: Usar AWS Batch para ETL no es la solución más optimizada para pipelines controlados por eventos en este contexto, y un metastore externo de Apache Hive añade complejidad innecesaria cuando AWS Glue Data Catalog es superior. Activar trabajos con alarmas de CloudWatch es menos reactivo que Lambda para eventos de S3. Combinar AWS Batch con alarmas de CloudWatch y un metastore externo no satisface la simplicidad y la integración nativa que ofrece AWS Glue.