Een bedrijf gebruikt Amazon DataZone voor datagovernance en een bedrijfscatalogus. Hun data bevindt zich in een Amazon S3 data lake en ze gebruiken AWS Glue met de AWS Glue Data Catalog. Een data engineer moet AWS Glue Data Quality scores beschikbaar maken in de Amazon DataZone portal. Welke aanpak voldoet aan deze vereiste?

De juiste aanpak is om een AWS Glue Data Quality ruleset te maken met DQDL-regels die direct van toepassing zijn op de AWS Glue table. Deze ruleset kan vervolgens dagelijks worden gepland. Om de scores in Amazon DataZone beschikbaar te maken, moet het DataZone project geconfigureerd zijn met een AWS Glue databron, en de data quality configuratie moet voor die bron worden ingeschakeld. Dit zorgt voor een directe integratie van Glue Data Quality scores in DataZone. De andere opties zijn incorrect omdat: Het configureren van een Amazon Redshift databron in DataZone is niet correct, aangezien de data zich in S3 bevindt en beheerd wordt via AWS Glue. Het gebruik van een Evaluate Data Quality transform binnen AWS Glue ETL jobs is een manier om data quality te evalueren, maar de meest directe en geïntegreerde methode om scores in DataZone te tonen, is via een geplande Glue Data Quality ruleset die aan de Glue table is gekoppeld.