Firma odczytuje dane z wielu baz danych klientów Amazon RDS, w których nazwy i formaty pól są niespójne (na przykład place_id w jednej bazie danych i location_id w innej). Firma musi łączyć rekordy klientów w różnych bazach danych, nawet jeśli nazwy pól się różnią. Które rozwiązanie zapewnia tę możliwość przy NAJMNIEJSZYM nakładzie operacyjnym?

Prawidłowa odpowiedź to użycie crawlera AWS Glue i transformacji FindMatches. AWS Glue crawler automatyzuje odkrywanie schematów i metadanych z baz danych RDS, co jest kluczowe przy niespójnych nazwach pól. Transformacja FindMatches w AWS Glue jest specjalnie zaprojektowana do identyfikacji zduplikowanych lub pasujących rekordów, nawet jeśli nie ma dokładnego dopasowania pól, co idealnie pasuje do problemu niespójnych nazw i formatów. Jest to rozwiązanie zarządzane, minimalizujące nakład operacyjny. Pozostałe opcje są mniej optymalne: Klaster Amazon EMR z Apache Zeppelin i transformacją FindMatches (opcja 1) wymagałby większego nakładu operacyjnego na zarządzanie klastrem EMR. AWS Glue crawler z Amazon SageMaker i potokami Apache Spark ML (opcja 3) wprowadza dodatkową złożoność i nakład pracy związany z budowaniem i zarządzaniem modelami ML w SageMaker, podczas gdy FindMatches jest gotowym rozwiązaniem. Klaster Amazon EMR z Apache Zeppelin i modelem Apache Spark ML (opcja 4) łączy w sobie wysoki nakład operacyjny EMR z koniecznością ręcznego tworzenia i dostrajania modelu ML, co jest bardziej pracochłonne niż użycie FindMatches.