Una empresa está construyendo un data lake en Amazon S3 y debe aplicar controles de acceso a nivel de fila y columna para los equipos que realizarán consultas a través de Amazon Athena, Redshift Spectrum y Apache Hive en EMR. ¿Qué enfoque minimiza la sobrecarga operativa?

La opción correcta minimiza la sobrecarga operativa porque AWS Lake Formation está diseñado específicamente para gestionar permisos detallados (a nivel de fila y columna) en data lakes construidos sobre Amazon S3, y se integra nativamente con servicios como Athena, Redshift Spectrum y EMR (para Hive). Esto centraliza la gestión de seguridad y simplifica la aplicación de políticas. Las otras opciones son incorrectas: Las políticas de S3 no permiten un control de acceso a nivel de fila y columna directamente sobre el contenido de los archivos. Apache Ranger en EMR puede proporcionar control de acceso detallado, pero usar Apache Pig para el acceso no es la forma más eficiente o común para consultas ad-hoc o integración con Athena/Redshift Spectrum, y Ranger añade una capa de gestión adicional que Lake Formation ya cubre de forma más integrada en AWS. Amazon Redshift no es un data lake en sí mismo, sino un data warehouse. Además, almacenar el data lake en Redshift no es el patrón habitual para un data lake basado en S3, y las consultas federadas con Athena serían redundantes si los datos ya están en Redshift.