Une entreprise construit un lac de données sur Amazon S3 et doit appliquer des contrôles d'accès au niveau des lignes et des colonnes pour les équipes qui interrogeront les données via Amazon Athena, Redshift Spectrum et Apache Hive sur EMR. Quelle approche minimise la charge opérationnelle ?

L'approche correcte est d'utiliser Amazon S3 pour le stockage du lac de données et AWS Lake Formation pour la gestion des accès. AWS Lake Formation est conçu spécifiquement pour créer, sécuriser et gérer des lacs de données sur S3, offrant des contrôles d'accès au niveau des lignes et des colonnes de manière centralisée et avec une charge opérationnelle minimale. Il s'intègre nativement avec Amazon Athena, Redshift Spectrum et EMR, simplifiant la gouvernance des données. Les autres options sont moins optimales car : Les politiques S3 ne permettent pas de gérer finement les accès au niveau des lignes et des colonnes. Apache Ranger sur EMR est une solution viable mais plus complexe à gérer et moins intégrée que Lake Formation pour l'ensemble des services mentionnés. Utiliser Amazon Redshift pour le stockage du lac de données n'est pas l'architecture typique d'un lac de données, qui repose généralement sur S3 pour sa flexibilité et son coût.