Une entreprise stocke des fichiers CSV dans Amazon S3. Un ingénieur de données doit transformer les fichiers CSV et écrire les résultats dans un nouveau compartiment S3. Les transformations requises sont les suivantes : renommer une colonne, supprimer des colonnes spécifiques, ignorer la deuxième ligne de chaque fichier, créer une nouvelle colonne dérivée des valeurs de la première ligne et filtrer les lignes par une colonne numérique. Quelle option répond à ces exigences avec le moins d'effort de développement ?

AWS Glue DataBrew est la solution la plus efficace car elle est conçue pour la préparation visuelle des données sans code. Les "recettes" DataBrew permettent de définir et d'appliquer facilement toutes les transformations mentionnées (renommer, supprimer des colonnes, ignorer des lignes, créer des colonnes dérivées, filtrer) via une interface utilisateur graphique, minimisant ainsi l'effort de développement. Les tâches Python AWS Glue nécessiteraient l'écriture de code PySpark, ce qui est plus complexe et prend plus de temps. Un crawler AWS Glue est principalement destiné à découvrir le schéma des données et non à effectuer des transformations complexes. Un workflow AWS Glue coordonne des tâches mais ne fournit pas lui-même les capacités de transformation sans code de DataBrew.