Un'azienda archivia set di dati JSON e CSV in S3 e dispone anche di Amazon RDS per SQL Server, tabelle DynamoDB con capacità provisioned e un cluster Amazon Redshift. Gli scienziati dei dati devono interrogare tutte queste fonti utilizzando una sintassi SQL-like con un sovraccarico operativo minimo. Quale soluzione soddisfa questo requisito?

La soluzione corretta sfrutta Amazon Athena, un servizio di query interattivo serverless che consente di analizzare i dati direttamente in Amazon S3 utilizzando SQL standard. Scansionando le fonti di dati con AWS Glue e archiviando i metadati nell'AWS Glue Data Catalog, Athena può interrogare i dati JSON e CSV in S3, nonché i dati da RDS, DynamoDB e Redshift tramite connettori. L'uso di SQL per le fonti strutturate e PartiQL per i dati JSON in DynamoDB (e potenzialmente in S3) soddisfa il requisito di una sintassi SQL-like. Questo approccio minimizza il sovraccarico operativo poiché Athena è serverless e non richiede gestione dell'infrastruttura. Le opzioni errate: L'opzione con Redshift Spectrum è meno flessibile per interrogare tutte le fonti di dati menzionate (RDS, DynamoDB) rispetto ad Athena. L'opzione che prevede la trasformazione dei dati JSON in Parquet o CSV con i job AWS Glue aggiunge un passaggio di trasformazione non richiesto dal requisito di interrogare le fonti esistenti con minimo sovraccarico operativo. L'opzione con AWS Lake Formation e la trasformazione in Parquet introduce un processo di creazione di un data lake e trasformazione che va oltre il requisito di interrogazione diretta delle fonti esistenti.