Une entreprise dispose de 100 Go de fichiers journaux CSV dans S3. Les développeurs SQL doivent interroger les données, créer des graphiques pour la visualisation et stocker automatiquement les métadonnées des fichiers CSV avec un minimum d'effort. Quelle combinaison d'étapes (choisissez-en trois) répond à ces besoins avec le moins de travail ?

Amazon Athena est un service de requête interactif sans serveur qui permet d'interroger directement les données dans S3 à l'aide de SQL standard, ce qui est parfait pour les développeurs SQL. AWS Glue Data Catalog est un référentiel de métadonnées entièrement géré qui peut être utilisé par Athena pour stocker et persister les schémas des fichiers CSV avec un minimum d'effort. Amazon QuickSight est un service de BI basé sur le cloud qui peut se connecter à Athena pour créer des visualisations et des tableaux de bord à partir des données interrogées. Les options incorrectes sont : AWS X-Ray est un service de débogage et d'analyse de traces distribuées, non adapté à la visualisation de données CSV. Amazon Redshift est un entrepôt de données relationnel qui nécessiterait de charger les données, ce qui est plus complexe que d'interroger directement S3 avec Athena. Amazon DynamoDB est une base de données NoSQL, moins adaptée pour stocker des métadonnées de schémas de fichiers CSV que le Glue Data Catalog.