Les données marketing provenant de plusieurs sources sont téléchargées vers un compartiment Amazon S3. Les tâches de préparation des données doivent s'exécuter à intervalles réguliers en parallèle, avec quelques tâches qui doivent s'exécuter dans un ordre spécifique par la suite. L'entreprise souhaite éliminer la surcharge opérationnelle liée à la gestion des erreurs de tâches, aux nouvelles tentatives et à la gestion de l'état. Quelle solution répond à ces exigences ?

La bonne réponse est d'utiliser AWS Glue DataBrew avec AWS Step Functions. AWS Glue DataBrew est un service de préparation de données visuel qui permet de nettoyer et de normaliser les données sans écrire de code. Il est idéal pour les tâches de préparation de données provenant de plusieurs sources. AWS Step Functions est un service d'orchestration sans serveur qui permet de coordonner plusieurs étapes de traitement des données, y compris l'exécution en parallèle et l'ordre séquentiel, tout en gérant automatiquement les erreurs, les nouvelles tentatives et l'état des tâches. Cette combinaison répond parfaitement aux exigences de l'entreprise en matière de réduction de la surcharge opérationnelle. Les autres options sont moins adaptées : L'utilisation de fonctions Lambda pour tout le traitement pourrait devenir complexe à gérer pour l'orchestration et l'état des tâches. Amazon Athena est un service de requête interactive, pas un outil de préparation de données pour transformer et nettoyer les données de manière répétitive. AWS Data Pipeline est un service plus ancien et moins flexible que Step Functions pour l'orchestration complexe et la gestion des erreurs, et l'option ne mentionne qu'une exécution nocturne, pas des intervalles réguliers ni l'exécution parallèle/séquentielle.