Een solutions architect beheert een analyseapplicatie die grote hoeveelheden semigestructureerde data opslaat in een Amazon S3-bucket. De architect wil parallelle dataverwerking om de verwerking te versnellen en de data te verrijken met informatie die is opgeslagen in een Amazon Redshift-database. Welke oplossing voldoet aan deze vereisten?

Amazon EMR is een beheerde service voor big data frameworks zoals Apache Spark en Hadoop, ideaal voor parallelle verwerking van grote hoeveelheden semigestructureerde data in S3. EMR kan ook direct verbinding maken met Amazon Redshift om data op te halen voor verrijking, wat efficiënt is. De eerste optie is incorrect omdat Athena wel S3-data kan verwerken, maar AWS Glue is minder geschikt voor het verrijken van S3-data met Redshift-data in een parallelle verwerkingscontext dan EMR. De derde optie is incorrect omdat Kinesis Data Streams voor real-time data-opname is, niet voor het verplaatsen van S3-data naar Redshift voor verrijking. De vierde optie is incorrect omdat AWS Glue wel data kan verwerken, maar Lake Formation is primair voor het beveiligen en beheren van data lakes, niet voor het verrijken van S3-data met Redshift-data op deze manier.