한 회사에 Amazon Redshift 클러스터에 10TB의 데이터가 있습니다. 데이터 엔지니어링 팀은 분석 및 모델 개발을 위해 SageMaker Studio를 사용하지만, Redshift 데이터의 일부만 훈련에 필요합니다. 모델 개발을 위해 관련 하위 집합을 Amazon S3로 안전하고 비용 효율적으로 내보내는 방법이 필요합니다. 다음 솔루션 중 이러한 요구 사항을 충족하는 것은 무엇입니까? (두 가지 선택)

첫 번째 정답은 SageMaker Studio 노트북에서 Python 데이터베이스 어댑터를 사용하여 Redshift에서 데이터를 직접 쿼리하고 S3로 내보내는 실용적인 방법입니다. AWS Secrets Manager를 사용하여 Redshift 자격 증명을 안전하게 관리하는 것은 모범 사례입니다. 두 번째 정답인 SageMaker Data Wrangler는 Redshift와 같은 다양한 데이터 소스에서 데이터를 시각적으로 탐색, 변환 및 준비할 수 있는 강력한 도구입니다. 이는 코드를 작성하지 않고도 관련 데이터를 쉽게 선택하고 S3로 내보낼 수 있는 효율적인 솔루션입니다. 오답인 분산 SageMaker Processing 작업은 쿼리 및 시각화에 과도하며, PySpark 커널을 사용하는 것은 노트북 인스턴스로 10TB의 데이터를 다운로드하는 데 비효율적입니다. 초대형 노트북 인스턴스에 데이터를 다운로드하는 것은 비용 효율적이지 않고 비실용적입니다.