Un'azienda archivia un data lake su Amazon S3 che acquisisce dati Apache Parquet da più fonti. I dati richiedono diversi passaggi di trasformazione (filtraggio delle anomalie, normalizzazione dei valori di data/ora e generazione di aggregati) prima che gli analisti possano accedere ai dati trasformati in S3. L'azienda desidera una soluzione di trasformazione predefinita e senza codice che fornisca la data lineage e la profilazione dei dati, e che consenta di condividere i passaggi di trasformazione in tutta l'azienda. Quale soluzione soddisfa questi requisiti?

AWS Glue DataBrew è una soluzione di preparazione dei dati visiva e senza codice che soddisfa tutti i requisiti. Permette di pulire e normalizzare i dati con oltre 300 trasformazioni predefinite, fornendo al contempo la data lineage e la profilazione dei dati. Le "ricette" di DataBrew, che sono sequenze di trasformazioni, possono essere facilmente condivise e riutilizzate in tutta l'azienda. AWS Glue Studio è uno strumento ETL basato su codice o su canvas visiva, ma le sue trasformazioni non sono predefinite come quelle di DataBrew e la condivisione tramite job di Glue è meno intuitiva per la riusabilità delle singole trasformazioni. Amazon EMR Serverless è un servizio per eseguire framework di big data come Apache Spark, che richiede codifica e non offre trasformazioni predefinite o funzionalità native di data lineage e profilazione. Amazon Athena è un servizio di query interattivo che utilizza SQL, ma non è una soluzione di trasformazione predefinita e senza codice, né offre data lineage o profilazione dei dati integrata.