Un'azienda di marketing archivia i dati clickstream in Amazon S3 ed esegue query SQL giornaliere che uniscono oggetti S3 situati in bucket diversi per produrre KPI. L'azienda necessita di una soluzione serverless che supporti query partizionate, preservando al contempo le garanzie ACID (atomicità, consistenza, isolamento, durabilità) e riducendo al minimo i costi. Quale opzione soddisfa questi requisiti nel modo più conveniente?

Amazon Athena è la soluzione più conveniente perché è un servizio di query interattivo serverless che consente di analizzare i dati direttamente in Amazon S3 utilizzando SQL standard. Supporta query partizionate per migliorare le prestazioni e ridurre i costi, ed essendo serverless, si paga solo per le query eseguite. Athena può anche essere integrato con AWS Glue Data Catalog per fornire garanzie ACID attraverso l'uso di tabelle Apache Iceberg o Apache Hudi. Amazon S3 Select è adatto per filtrare piccole quantità di dati all'interno di un singolo oggetto S3, non per unire dati tra bucket diversi. Amazon Redshift Spectrum consente di interrogare dati su S3, ma Redshift stesso è un data warehouse provisioned, non serverless, e comporta costi di infrastruttura. Amazon EMR è un framework Hadoop gestito, che offre grande flessibilità ma richiede la gestione dei cluster e non è serverless, risultando più costoso per questo caso d'uso.