StreamVid mantiene terabyte di log CSV grezzi in S3 e necessita di profilazione automatizzata e trasformazione ripetibile (parsing di timestamp, eliminazione di colonne a bassa cardinalità, conversione in Parquet) prima dell'addestramento. Quale workflow DataBrew soddisfa al meglio questi requisiti e cosa deve essere garantito per le esecuzioni pianificate?

Questa opzione è corretta perché descrive un workflow completo e appropriato per DataBrew. DataBrew è progettato per la profilazione automatizzata, la trasformazione ripetibile e la conversione di formati come CSV in Parquet. La creazione di un dataset, l'esecuzione di un job di profilazione, la definizione di una ricetta e la creazione di un job di trasformazione con output Parquet sono tutti passaggi standard di DataBrew. La pianificazione del job e la garanzia dei permessi S3 e della connettività VPC sono requisiti operativi essenziali per qualsiasi job AWS. Le altre opzioni sono errate perché travisano le capacità di DataBrew (ad esempio, affermando che non può pianificare o scrivere Parquet) o propongono soluzioni meno efficienti o più complesse per questo specifico caso d'uso.