Un'azienda produce dati batch da vari database e dati di streaming in tempo reale da sensori di rete e API di applicazioni. L'azienda deve consolidare ed elaborare tutti i dati in ingresso, quindi prepararli in diversi bucket Amazon S3 per query una tantum e successivamente importarli in uno strumento di BI per i KPI. Quale combinazione di passaggi soddisferà questi requisiti con il MINOR overhead operativo? (Scegli due.)

La combinazione di AWS Lake Formation e AWS Glue è ideale per l'ingestione e la preparazione dei dati con il minimo overhead operativo. AWS Lake Formation semplifica la creazione di un data lake, e i blueprint automatizzano l'ingestione dei dati da varie fonti. AWS Glue è un servizio ETL serverless che può scansionare i dati, estrarli e caricarli in Amazon S3 in un formato ottimizzato come Apache Parquet, riducendo i costi di storage e migliorando le prestazioni delle query. Successivamente, Amazon Athena è perfetto per query ad-hoc direttamente su S3 senza infrastruttura da gestire, mentre Amazon QuickSight è uno strumento di BI serverless per creare dashboard e visualizzare i KPI. Le opzioni errate includono: Amazon Kinesis Data Analytics è per l'analisi di streaming in tempo reale, non per query una tantum su dati consolidati. Le funzioni AWS Lambda personalizzate per spostare singoli record aumenterebbero l'overhead operativo e la complessità. AWS Glue per convertire in JSON e caricare in Amazon OpenSearch Service non è l'approccio più efficiente per query una tantum e BI su S3; OpenSearch è più adatto per l'analisi di log e la ricerca.