Marketinggegevens uit meerdere bronnen worden geüpload naar een Amazon S3-bucket. Gegevensvoorbereidingstaken moeten met regelmatige tussenpozen parallel worden uitgevoerd, waarbij enkele taken later in een specifieke volgorde moeten worden uitgevoerd. Het bedrijf wil de operationele overhead voor foutafhandeling, retries en statusbeheer van taken elimineren. Welke oplossing voldoet aan deze vereisten?

De correcte oplossing is het gebruik van AWS Glue DataBrew voor gegevensvoorbereiding en AWS Step Functions voor orkestratie. DataBrew is een serverloze service die visuele gegevensvoorbereiding mogelijk maakt zonder code, ideaal voor het opschonen en transformeren van gegevens uit S3. Step Functions biedt een serverloze manier om gedistribueerde applicaties en workflows te coördineren, inclusief foutafhandeling, retries en statusbeheer, wat de operationele overhead elimineert. Dit voldoet aan de vereisten voor parallelle uitvoering, specifieke taakvolgorde en het minimaliseren van operationele overhead. Optie A (Lambda) is minder geschikt voor complexe, georkestreerde workflows met meerdere stappen en afhankelijkheden. Optie B (Athena) is een queryservice, geen tool voor gegevensvoorbereiding en transformatie. Optie D (Data Pipeline) is een oudere service die meer operationele overhead met zich meebrengt en minder flexibel is dan Step Functions voor complexe workflows.