Musisz przeprowadzić eksploracyjną analizę danych (EDA) na zbiorze danych o skali petabajtów, bez zarządzania infrastrukturą klastra, płacąc tylko za uruchomione zapytania i pisząc analizy w Pythonie z poziomu notatnika Jupyter. Które rozwiązanie spełnia te ograniczenia?

Prawidłowa odpowiedź to "Uruchom Apache Spark z poziomu Amazon Athena". Amazon Athena to bezserwerowa usługa zapytań, która umożliwia analizowanie danych w Amazon S3 przy użyciu standardowego SQL. Niedawno dodano obsługę Apache Spark, co pozwala na uruchamianie obciążeń Sparka bezpośrednio w Athena, bez konieczności zarządzania infrastrukturą klastra. Płacisz tylko za zapytania (lub obciążenia Sparka), które uruchamiasz, i możesz używać Pythona w notatnikach Jupyter (obsługiwanych przez integrację z SageMaker Studio). Pozostałe opcje są nieprawidłowe: "Uruchom Apache Spark z poziomu Amazon SageMaker" – SageMaker Studio obsługuje notatniki Jupyter i integrację ze Sparkiem, ale zazwyczaj wymaga to zarządzania instancjami obliczeniowymi lub klastrami Sparka, co narusza wymóg braku zarządzania infrastrukturą klastra. "Uruchom Apache Spark na klastrze Amazon EMR, który samodzielnie provisionujesz" – EMR jest usługą klastrową, która wymaga ręcznego provisionowania i zarządzania klastrem, co jest sprzeczne z wymaganiem braku zarządzania infrastrukturą. "Użyj Apache Spark zintegrowanego z Amazon Redshift" – Redshift to hurtownia danych, a choć może integrować się ze Sparkiem, nie jest to podstawowy sposób na uruchamianie Sparka bez zarządzania infrastrukturą i płacenia tylko za zapytania w kontekście EDA na danych petabajtowych w S3.