Un'azienda dispone di un data lake Amazon S3. L'azienda deve trasformare i dati quotidianamente e caricarli in un data warehouse con elaborazione massivamente parallela (MPP). Gli analisti di dati devono creare e addestrare modelli di machine learning utilizzando SQL sui dati. Utilizzare servizi AWS serverless ove possibile. Quale soluzione soddisfa questi requisiti?

La soluzione corretta utilizza AWS Glue per la trasformazione dei dati e Amazon Redshift Serverless come data warehouse MPP, soddisfacendo il requisito di servizi serverless. AWS Glue è un servizio ETL serverless che può eseguire job giornalieri per trasformare i dati dal data lake S3. Amazon Redshift Serverless fornisce un data warehouse MPP scalabile e serverless, ideale per l'analisi e il caricamento dei dati trasformati. Amazon Redshift ML consente agli analisti di dati di creare e addestrare modelli di machine learning utilizzando SQL direttamente sui dati in Redshift. Le opzioni che includono Amazon EMR non sono completamente serverless, in quanto EMR richiede la gestione di cluster. L'opzione con Amazon Aurora Serverless non è adatta per un data warehouse MPP su larga scala. L'opzione con Amazon Athena non è un data warehouse MPP per i dati caricati, ma piuttosto un servizio di query interattivo direttamente su S3, e non esiste un servizio "Amazon Athena ML" per la creazione e l'addestramento di modelli ML.