Архитектор решений управляет аналитическим приложением, которое хранит большие объемы полуструктурированных данных в бакете Amazon S3. Архитектор хочет использовать параллельную обработку данных для ускорения обработки и обогащения данных с использованием информации, хранящейся в базе данных Amazon Redshift. Какое решение соответствует этим требованиям?

Amazon EMR (Elastic MapReduce) — это управляемый кластерный сервис, который упрощает запуск фреймворков больших данных, таких как Apache Spark и Apache Hive, для обработки больших объемов полуструктурированных данных в Amazon S3. EMR может напрямую взаимодействовать с S3 для обработки данных и подключаться к Amazon Redshift для обогащения данных, используя его вычислительные возможности для параллельной обработки. Использование Amazon Athena для обработки данных S3 подходит, но Athena не предназначена для обогащения данных из Redshift таким же образом, как EMR. AWS Glue — это сервис ETL, который может обрабатывать данные, но EMR более эффективен для параллельной обработки больших объемов данных. Kinesis Data Streams используется для потоковой передачи данных в реальном времени, а не для обогащения данных из Redshift. AWS Lake Formation — это сервис для построения озер данных, а не для обогащения данных.