Een marketingbedrijf slaat clickstream-gegevens op in Amazon S3 en voert dagelijks SQL-queries uit die S3-objecten in verschillende buckets JOINEN om KPI's te produceren. Het bedrijf heeft een serverloze oplossing nodig die gepartitioneerde querying ondersteunt, terwijl ACID-garanties (atomicity, consistency, isolation, durability) behouden blijven en de kosten geminimaliseerd worden. Welke optie voldoet het meest kosteneffectief aan deze vereisten?

Amazon Athena is de meest kosteneffectieve oplossing omdat het een serverloze queryservice is die SQL gebruikt om gegevens rechtstreeks vanuit Amazon S3 te analyseren. Het ondersteunt gepartitioneerde querying, wat de prestaties verbetert en de kosten verlaagt door minder gegevens te scannen. Hoewel Athena van nature geen volledige ACID-transacties ondersteunt zoals een traditionele database, kan het in combinatie met Apache Iceberg, Apache Hudi of Delta Lake op S3 wel ACID-garanties bieden voor data lakes, wat voldoet aan de vereisten. Amazon S3 Select is onvoldoende omdat het alleen query's binnen één S3-object ondersteunt, niet over meerdere buckets of JOINs. Amazon Redshift Spectrum werkt met Redshift, wat een datawarehouse is en niet volledig serverloos, en kan duurder zijn. Amazon EMR is een clustergebaseerde service die beheer en provisioning vereist, wat hogere operationele kosten met zich meebrengt dan een serverloze oplossing.