Firma buduje jezioro danych na Amazon S3 i musi wymusić kontrolę dostępu na poziomie wierszy i kolumn dla zespołów, które będą wykonywać zapytania za pośrednictwem Amazon Athena, Redshift Spectrum i Apache Hive na EMR. Które podejście minimalizuje nakład pracy operacyjnej?

Prawidłowa odpowiedź to użycie Amazon S3 do przechowywania jeziora danych, AWS Lake Formation do ograniczenia dostępu do danych według wierszy i kolumn, oraz zapewnienie dostępu do danych za pośrednictwem AWS Lake Formation. AWS Lake Formation jest usługą zaprojektowaną specjalnie do budowania, zabezpieczania i zarządzania jeziorami danych, oferując scentralizowaną kontrolę dostępu na poziomie tabeli, kolumny i wiersza. Integruje się natywnie z Amazon S3, Athena, Redshift Spectrum i EMR, co minimalizuje nakład pracy operacyjnej. Pozostałe opcje są mniej optymalne: Polityki dostępu S3 (Bucket Policies, ACLs) nie oferują granularnej kontroli na poziomie wierszy i kolumn, co jest wymagane. Apache Ranger na EMR wymagałby zarządzania klastrem EMR i konfiguracji Ranger, co zwiększa złożoność operacyjną i nie obejmuje natywnie Athena ani Redshift Spectrum. Amazon Redshift jest magazynem danych, a nie jeziorem danych. Przechowywanie całego jeziora danych w Redshift byłoby kosztowne i nieefektywne dla surowych, różnorodnych danych.