Un'azienda finanziaria prevede di costruire una data mesh che deve includere governance centralizzata, analisi e controllo degli accessi. Utilizzeranno AWS Glue per il catalogo dati e l'ETL. Quale coppia di servizi AWS dovrebbero utilizzare per implementare la data mesh? (Scegli due.)

La combinazione di Amazon S3 e Amazon Athena è ideale per una data mesh. S3 offre archiviazione scalabile e a basso costo per i dati grezzi e trasformati, mentre Athena consente query analitiche direttamente su S3 senza server, integrandosi bene con AWS Glue Data Catalog. AWS Lake Formation è fondamentale per implementare la governance centralizzata, l'analisi e il controllo degli accessi richiesti da una data mesh. Lake Formation semplifica la creazione di data lake sicuri, gestendo permessi granulari e audit. Le altre opzioni sono meno adatte: Amazon Aurora e Amazon Redshift sono soluzioni di database relazionali e data warehousing, non ideali per l'archiviazione flessibile e il querying serverless tipici di una data mesh basata su data lake. AWS Glue DataBrew è uno strumento di preparazione dati, non per la governance centralizzata e il controllo degli accessi dell'intera data mesh. Amazon RDS è un database relazionale e Amazon EMR è un framework per big data, ma non offrono la stessa flessibilità e integrazione nativa per la governance e l'analisi serverless su un data lake come S3, Athena e Lake Formation.