Una empresa quiere ejecutar análisis de ML en datos en un data lake de S3. Tienen dos necesidades de transformación: (1) realizar transformaciones diarias programadas en 300 GB de datos de varios formatos que llegan a una hora establecida, y (2) ejecutar una transformación única en terabytes de datos archivados en el lago. Los DAG de Amazon MWAA orquestarán los flujos de trabajo. ¿Qué dos tareas deben programar los DAG para satisfacer estas necesidades de la manera más rentable? (Elija dos).

Para los datos diarios entrantes, los AWS Glue crawlers son la opción más rentable y eficiente para escanear y catalogar el esquema de datos en S3. Se integran con el Catálogo de datos de Glue, permitiendo que otros servicios como Athena consulten los datos. Amazon Athena es una herramienta de consulta, no de escaneo de esquema. Amazon Redshift es un almacén de datos, no una herramienta de transformación para un data lake. Para ambas necesidades de transformación (diarias y archivadas), Amazon EMR es una solución robusta y rentable. Permite procesar grandes volúmenes de datos (terabytes) utilizando frameworks de big data como Spark o Hive, lo que es ideal para transformaciones complejas y escalables. Amazon SageMaker está diseñado para el desarrollo y entrenamiento de modelos de ML, no para transformaciones generales de datos a gran escala.