Firma marketingowa przechowuje dane clickstream w Amazon S3 i codziennie wykonuje zapytania SQL, które łączą (JOIN) obiekty S3 znajdujące się w różnych bucketach, aby generować wskaźniki KPI. Firma potrzebuje rozwiązania serverless, które obsługuje zapytania partycjonowane, jednocześnie zachowując gwarancje ACID (atomowość, spójność, izolacja, trwałość) i minimalizując koszty. Która opcja spełnia te wymagania w najbardziej ekonomiczny sposób?

Amazon Athena jest bezserwerową usługą zapytań interaktywnych, która umożliwia analizowanie danych bezpośrednio w Amazon S3 przy użyciu standardowego SQL. Obsługuje partycjonowanie danych, co redukuje ilość skanowanych danych i obniża koszty. Athena, w połączeniu z formatami takimi jak Apache Iceberg, Apache Hudi lub Delta Lake, może zapewnić gwarancje ACID na danych w S3. Jest to najbardziej ekonomiczne rozwiązanie, ponieważ płaci się tylko za ilość skanowanych danych. Amazon S3 Select pozwala na filtrowanie danych w obiekcie S3, ale nie obsługuje łączenia obiektów z różnych bucketów ani gwarancji ACID. Amazon Redshift Spectrum umożliwia wykonywanie zapytań na danych w S3, ale wymaga działającego klastra Redshift, co wiąże się z wyższymi kosztami stałymi. Amazon EMR to platforma do przetwarzania dużych zbiorów danych, która oferuje dużą elastyczność, ale jest bardziej złożona w zarządzaniu i droższa niż Athena, zwłaszcza dla sporadycznych zapytań.