Una empresa recibe 2 GB de registros de transacciones de ventas diariamente en una base de datos MySQL y tiene 100 GB de oportunidades de ventas almacenadas en Salesforce. La empresa desea un proceso nocturno para correlacionar los dos conjuntos de datos con una sobrecarga operativa mínima. ¿Qué solución cumple este requisito?

La opción correcta utiliza Amazon AppFlow para integrar datos de Salesforce de manera sencilla y sin código, y AWS Glue para extraer, transformar y cargar (ETL) datos de MySQL, lo cual es ideal para volúmenes de datos estructurados. AWS Step Functions es la elección adecuada para orquestar flujos de trabajo complejos y asíncronos, garantizando una sobrecarga operativa mínima para un proceso nocturno. Las opciones incorrectas presentan las siguientes deficiencias: La primera opción propone Lambda para correlación, lo cual es menos adecuado para grandes volúmenes de datos en comparación con AWS Glue, y MWAA para orquestación, que es más complejo de gestionar que Step Functions para este caso. La segunda opción es muy similar a la correcta, pero MWAA para orquestación añade complejidad innecesaria en comparación con Step Functions. La cuarta opción introduce Kinesis Data Streams y Managed Service for Apache Flink, que son soluciones para procesamiento de datos en tiempo real, no para un proceso por lotes nocturno, lo que resultaría en una sobrecarga y costo innecesarios.