Un ingegnere dei dati deve caricare un set di dati in un data lake Amazon S3 utilizzando i servizi AWS. Dopo aver profilato i dati, l'ingegnere scopre informazioni di identificazione personale (PII). L'ingegnere deve sia profilare il set di dati che offuscare le PII. Quale approccio soddisferà questo requisito con il MINOR sforzo operativo?

L'opzione corretta sfrutta la trasformazione "Detect PII" di AWS Glue Studio, che è progettata specificamente per identificare le PII con il minimo sforzo operativo. Glue Studio offre un ambiente visuale per la creazione di ETL, rendendo l'offuscamento delle PII un processo integrato e relativamente semplice. L'orchestrazione con AWS Step Functions consente di automatizzare l'intera pipeline di dati, dall'ingestione all'offuscamento e al caricamento nel data lake S3, riducendo ulteriormente lo sforzo operativo. Le altre opzioni sono meno efficienti: L'uso di Kinesis Data Firehose con una funzione Lambda personalizzata per l'identificazione e l'offuscamento delle PII richiede uno sviluppo e una manutenzione maggiori. Creare una regola in AWS Glue Data Quality per offuscare le PII non è la funzionalità primaria di Data Quality, che si concentra sulla validazione e non sull'offuscamento diretto. Ingerire i dati in DynamoDB e poi usare Lambda per l'offuscamento e l'ingestione in S3 introduce un passaggio intermedio non necessario e un costo aggiuntivo per DynamoDB, aumentando la complessità operativa.