Une entreprise est en train de construire une nouvelle plateforme de données qui ingérera des données de streaming en temps réel provenant de multiples sources. Les données doivent être transformées avant d'être écrites dans Amazon S3, et l'entreprise doit exécuter des requêtes SQL sur les données transformées. Quelles solutions répondent à ces exigences ? (Choisissez-en deux.)

La première option correcte utilise Kinesis Data Streams pour l'ingestion de données en temps réel, Kinesis Data Analytics pour la transformation en streaming (avec SQL ou Flink), Kinesis Data Firehose pour la livraison vers S3, et Athena pour l'interrogation SQL des données stockées dans S3. Cette combinaison est idéale pour les pipelines de données de streaming nécessitant une transformation en temps réel avant le stockage et l'analyse. La deuxième option correcte utilise Amazon MSK pour l'ingestion de données de streaming, AWS Glue pour la transformation (qui peut gérer des charges de travail par lots ou de streaming avec des tâches Glue ETL), le stockage dans S3, et Athena pour l'interrogation SQL. Cette approche est également très efficace pour les données de streaming, en particulier si l'entreprise a déjà une expertise Kafka ou préfère la flexibilité d'AWS Glue pour la transformation. Les options incorrectes échouent pour diverses raisons : AWS DMS est principalement destiné à la migration de bases de données, pas à l'ingestion de flux de données en temps réel à grande échelle. L'éditeur de requêtes Amazon RDS est conçu pour interroger des bases de données relationnelles RDS, et non des données stockées dans Amazon S3.