Un ingénieur de données doit nettoyer et préparer plusieurs téraoctets de données brutes qui résident dans Amazon S3, puis charger les données traitées dans Amazon Redshift pour l'analyse. Les analystes de données ont besoin de pouvoir exécuter des requêtes complexes. La solution doit éliminer le besoin de pipelines ETL complexes et éviter la gestion de l'infrastructure. Quelle approche fournit la fonctionnalité requise avec le MOINS de surcharge opérationnelle ?

L'option correcte minimise la surcharge opérationnelle en utilisant des services entièrement gérés et intégrés pour chaque étape. AWS Glue DataBrew est un service sans serveur qui permet de nettoyer et de normaliser de grands volumes de données sans écrire de code, ce qui est idéal pour la préparation des données brutes. AWS Glue est un service ETL sans serveur qui peut facilement charger les données traitées dans Amazon Redshift. Amazon Redshift est un entrepôt de données relationnel optimisé pour les requêtes complexes et l'analyse, répondant au besoin des analystes. Les autres options impliquent plus de gestion d'infrastructure (Amazon EMR), des limitations de taille de données (AWS Lambda), ou des services moins adaptés pour l'ensemble du pipeline (Kinesis Data Firehose pour des données brutes en lot, AWS DMS pour la migration plutôt que l'ETL continu, ou Redshift Spectrum pour des requêtes directes sur S3 plutôt que sur des données chargées et optimisées dans Redshift).