Musisz zbudować potok ETL, który pobiera pliki (CSV, JSON lub Parquet) dostarczane co 15 minut z 10 systemów źródłowych do 10 tabel Amazon Redshift. Wszystkie pliki trafiają do jednego zasobnika S3; rozmiary plików wahają się od 10 MB do 20 GB. Potok musi tolerować zmiany schematu. Które rozwiązania spełniają te wymagania? (Wybierz dwie opcje.)

Obie poprawne opcje wykorzystują AWS Glue Workflow, które jest idealne do orkiestracji złożonych potoków ETL, w tym uruchamiania crawlera i zadania Glue w sekwencji. Crawler AWS Glue automatycznie wykrywa schematy i zmiany schematów w plikach, co jest kluczowe dla tolerancji zmian schematu. Zadanie AWS Glue może następnie przetwarzać i ładować dane do Amazon Redshift. Pierwsza opcja używa EventBridge do uruchamiania co 15 minut, spełniając wymóg harmonogramu. Druga opcja używa Lambda wyzwalanej przez S3, co jest odpowiednie, gdy pliki są dostarczane asynchronicznie. Pierwsza niepoprawna opcja pomija crawlera AWS Glue, co uniemożliwiłoby tolerowanie zmian schematu. Trzecia niepoprawna opcja jest zbyt skomplikowana i niepotrzebnie rozdziela logikę na wiele funkcji Lambda i EventBridge, podczas gdy AWS Glue Workflow może to obsłużyć efektywniej. Ostatnia niepoprawna opcja wprowadza Kinesis Data Firehose, które nie jest optymalne dla plików o rozmiarach do 20 GB i nie jest wymagane do obsługi zmian schematu w ten sposób.