Een marketingbedrijf ontvangt een grote hoeveelheid nieuwe clickstream-data in Amazon S3 van een marketingcampagne. Het bedrijf moet de clickstream-data in Amazon S3 snel analyseren en vervolgens beslissen of de data verder moet worden verwerkt in de datapijplijn. Welke oplossing voldoet aan deze vereisten met de MINSTE operationele overhead?

De juiste oplossing is om een AWS Glue crawler te configureren om de data te catalogiseren en vervolgens Amazon Athena te gebruiken om de data op te vragen. AWS Glue crawlers detecteren automatisch het schema en de partities van de clickstream-data in S3 en slaan deze metadata op in de AWS Glue Data Catalog. Athena kan vervolgens direct query's uitvoeren op deze data in S3 met behulp van standaard SQL, zonder dat er servers hoeven te worden beheerd of data hoeft te worden geladen. Dit minimaliseert de operationele overhead. Het aanmaken van externe tabellen in een Spark-catalogus of Hive metastore met AWS Glue jobs of Amazon EMR introduceert meer operationele overhead door het beheer van Spark-clusters of EMR-instanties. Amazon Kinesis Data Analytics is bedoeld voor real-time streaming data-analyse, niet voor het ad-hoc bevragen van statische data in S3.