Una empresa tiene 10 TB de archivos de registro en formato Apache Parquet almacenados en un bucket de Amazon S3 y ocasionalmente necesita ejecutar consultas SQL sobre ellos. ¿Cuál es la solución más rentable?

La opción correcta es usar AWS Glue y Amazon Athena. Athena es un servicio de consultas interactivas sin servidor que permite analizar datos directamente en Amazon S3 usando SQL estándar. Con AWS Glue, puedes crear un rastreador que infiera el esquema de tus archivos Parquet en S3 y lo almacene en el Catálogo de datos de Glue, que Athena puede usar para ejecutar consultas. Esta es la solución más rentable porque pagas solo por las consultas que ejecutas y por la cantidad de datos escaneados, sin necesidad de aprovisionar ni gestionar infraestructura. Las otras opciones son menos rentables o apropiadas: Amazon Aurora MySQL requeriría migrar los 10 TB de datos, lo cual es costoso y complejo para datos de registro que se consultan ocasionalmente. Amazon Redshift es un almacén de datos OLAP, y aunque Redshift Spectrum permite consultar datos en S3, un clúster de Redshift completo es más costoso si las consultas son ocasionales. Amazon EMR con Apache Spark SQL implicaría gestionar un clúster EMR, lo que es más caro y requiere más administración que Athena para consultas ocasionales.