Un'azienda sta costruendo un data lake su Amazon S3 e deve applicare controlli di accesso a livello di riga e a livello di colonna per i team che eseguiranno query tramite Amazon Athena, Redshift Spectrum e Apache Hive su EMR. Quale approccio riduce al minimo l'overhead operativo?

L'approccio corretto prevede l'utilizzo di AWS Lake Formation perché è un servizio gestito progettato specificamente per la creazione, la protezione e la gestione di data lake su Amazon S3. Offre controlli di accesso a livello di riga e di colonna granulari che si integrano nativamente con Amazon Athena, Redshift Spectrum e Apache Hive su EMR, riducendo al minimo l'overhead operativo. Le altre opzioni sono meno efficienti o non adatte: Le policy di accesso S3 non supportano nativamente il controllo degli accessi a livello di riga e colonna per i dati strutturati. Apache Ranger su EMR è una soluzione valida ma introduce un maggiore overhead operativo rispetto a Lake Formation, essendo necessaria la gestione del cluster EMR e di Ranger stesso. Inoltre, l'utilizzo di Apache Pig per l'accesso ai dati è meno flessibile rispetto agli altri servizi menzionati. Utilizzare Amazon Redshift per l'archiviazione del data lake è errato, poiché Redshift è un data warehouse, non un data lake. Il data lake è su S3.