Un'azienda di e-commerce ha più sistemi operativi in AWS, ognuno con un database relazionale compatibile con JDBC che memorizza l'ultimo stato di elaborazione. Il team operativo necessita di visibilità oraria sugli ordini nell'intero flusso di lavoro di evasione. Quale approccio offre questo risultato con il minor sforzo di sviluppo?

L'opzione corretta utilizza AWS Glue per l'ingestione e la trasformazione dei dati da database relazionali compatibili con JDBC verso Amazon Redshift, un data warehouse ottimizzato per l'analisi. Questo approccio è efficiente perché Glue può connettersi a diverse sorgenti dati e Redshift è ideale per query analitiche complesse e aggregazioni necessarie per la visibilità oraria. Amazon QuickSight si integra nativamente con Redshift per creare dashboard interattive con il minimo sforzo di sviluppo. Le altre opzioni sono meno efficienti o appropriate: Ingestire in Amazon DynamoDB non è l'ideale per carichi di lavoro analitici complessi che richiedono aggregazioni su larga scala, poiché DynamoDB è un database NoSQL ottimizzato per accessi a chiave-valore e non per data warehousing. L'uso di AWS DMS è più adatto per la migrazione di database o la replica continua (CDC) piuttosto che per la creazione di pipeline ETL/ELT per l'analisi oraria, e l'invio a DynamoDB per scopi analitici presenta le stesse limitazioni. L'uso di Grafana non è la scelta più integrata e con il minimo sforzo rispetto a QuickSight in un ecosistema AWS.