Компания имеет 10 ТБ данных в кластере Amazon Redshift. Команда инженеров данных использует SageMaker Studio для анализа и разработки моделей, но для обучения требуется только подмножество данных Redshift. Им нужен безопасный и экономичный способ экспорта соответствующего подмножества в Amazon S3 для разработки моделей. Какие решения удовлетворяют этим требованиям? (Выберите два.)

Правильные варианты предлагают безопасные и экономичные способы экспорта подмножества данных. Хранение учетных данных Redshift в AWS Secrets Manager и их использование из ноутбука SageMaker Studio с адаптером Python обеспечивает безопасный доступ и гибкость для запроса и экспорта данных в S3. SageMaker Data Wrangler — это управляемый сервис, который упрощает процесс подключения к Redshift, запроса, визуализации и экспорта данных в S3, что делает его эффективным и экономичным решением. Неправильные варианты: Распределенная задача SageMaker Processing с Spark может быть избыточной и дорогостоящей для простого экспорта подмножества данных, если только не требуется сложная предварительная обработка. Загрузка 10 ТБ данных в несколько экземпляров ноутбуков или очень большой экземпляр ноутбука не является экономичным или масштабируемым решением, так как это потребует значительных вычислительных ресурсов и хранилища, даже если нужно только подмножество.