Een bedrijf heeft een Amazon S3 data lake. Het bedrijf moet de gegevens dagelijks transformeren en laden in een datawarehouse met massively parallel processing (MPP). Data-analisten moeten machine learning-modellen maken en trainen met behulp van SQL op de gegevens. Gebruik waar mogelijk serverloze AWS-services. Welke oplossing voldoet aan deze vereisten?

De correcte oplossing maakt gebruik van AWS Glue voor serverloze gegevenstransformatie (ETL) en Amazon Redshift Serverless als het MPP datawarehouse, wat voldoet aan de serverloze vereiste en de behoefte aan een MPP-oplossing. Redshift ML stelt data-analisten in staat om machine learning-modellen te maken en te trainen met SQL, direct in het datawarehouse. De andere opties zijn minder geschikt: Amazon EMR is geen serverloze service en brengt hogere operationele overhead met zich mee. Amazon Aurora Serverless is een relationele database, geen MPP datawarehouse, en is minder geschikt voor grootschalige analytische workloads. Amazon Athena is een queryservice voor S3 en geen datawarehouse voor het laden van getransformeerde gegevens, en "Amazon Athena ML" bestaat niet als een aparte service voor het trainen van modellen.