Un architecte de solutions gère une application d'analyse qui stocke de grandes quantités de données semi-structurées dans un compartiment Amazon S3. L'architecte souhaite un traitement parallèle des données pour accélérer le traitement et enrichir les données à l'aide d'informations stockées dans une base de données Amazon Redshift. Quelle solution répond à ces exigences ?

Amazon EMR est idéal pour le traitement parallèle de grandes quantités de données semi-structurées stockées dans Amazon S3, car il fournit un cadre Hadoop entièrement géré. EMR peut également se connecter à Amazon Redshift pour enrichir les données, ce qui en fait une solution complète pour les deux exigences. Amazon Athena est excellent pour l'analyse ad hoc, mais moins adapté au traitement parallèle et à l'enrichissement complexe avec Redshift. Kinesis Data Streams est pour le streaming de données en temps réel, pas pour le traitement par lots de données S3 existantes. AWS Glue est un service ETL sans serveur, mais EMR offre plus de flexibilité et de puissance pour le traitement parallèle à grande échelle et l'intégration directe avec Redshift pour l'enrichissement. AWS Lake Formation est un service de gestion de lac de données, pas un moteur de traitement.