Une entreprise financière prévoit de construire un maillage de données (data mesh) qui doit inclure une gouvernance centralisée, des analyses et un contrôle d'accès. Elle utilisera AWS Glue pour le catalogue de données et l'ETL. Quelle paire de services AWS devrait-elle utiliser pour implémenter le maillage de données ? (Choisissez-en deux.)

Pour un maillage de données, Amazon S3 est le choix idéal pour le stockage des données brutes et traitées en raison de sa scalabilité, de sa durabilité et de son faible coût, ce qui est fondamental pour un lac de données. Amazon Athena permet d'interroger ces données directement sur S3 sans serveur, ce qui est parfait pour l'analyse ad hoc et les cas d'utilisation de maillage de données où les domaines peuvent avoir des besoins d'analyse variés. AWS Lake Formation est essentiel pour la gouvernance centralisée et le contrôle d'accès granulaire sur les données stockées dans S3 et cataloguées par AWS Glue, répondant directement aux exigences de sécurité et de conformité d'une entreprise financière. Les autres options sont moins adaptées : Amazon Aurora et Amazon RDS sont des bases de données relationnelles transactionnelles, moins optimisées pour les grands volumes de données non structurées ou semi-structurées d'un lac de données. Amazon Redshift est un entrepôt de données, plus adapté aux données structurées et aux requêtes complexes, mais moins flexible qu'Athena pour un maillage de données. Amazon EMR est une plateforme Big Data, puissante mais plus complexe à gérer pour des analyses simples. AWS Glue DataBrew est un outil de préparation de données, pas un service de gouvernance et de contrôle d'accès centralisé.