Une entreprise de services financiers construit un lac de données sans serveur sur Amazon S3 qui doit : permettre d'interroger les données S3 anciennes et nouvelles avec Amazon Athena et Redshift Spectrum, prendre en charge les pipelines ETL basés sur les événements et faciliter la découverte des métadonnées. Quelle solution répond à ces exigences ?

Cette solution est correcte car AWS Glue Data Catalog est un metastore Apache Hive compatible qui permet à Athena et Redshift Spectrum d'interroger les données sur S3. Les crawlers AWS Glue découvrent automatiquement les schémas et les partitions des données, mettant à jour le Data Catalog. AWS Lambda peut déclencher des tâches ETL AWS Glue en réponse à des événements (par exemple, de nouvelles données arrivant sur S3), ce qui est essentiel pour les pipelines basés sur les événements. Le Data Catalog facilite également la découverte des métadonnées. Les autres options sont incorrectes car : L'utilisation d'un metastore Apache Hive externe introduit une complexité de gestion inutile et ne s'intègre pas aussi nativement avec Athena et Redshift Spectrum que le Glue Data Catalog. Déclencher des tâches AWS Batch ou des tâches ETL via des alarmes CloudWatch n'est pas la méthode la plus appropriée pour des pipelines ETL basés sur les événements, où Lambda est plus adapté pour réagir aux changements de données.