Компания хранит озеро данных на Amazon S3, которое получает данные Apache Parquet из нескольких источников. Данные требуют нескольких шагов преобразования (фильтрация аномалий, нормализация значений даты/времени и генерация агрегатов), прежде чем аналитики смогут получить доступ к преобразованным данным в S3. Компании требуется готовое решение для преобразования без кода, которое обеспечивает происхождение данных и профилирование данных, а также позволяет совместно использовать шаги преобразования в рамках компании. Какое решение соответствует этим требованиям?

AWS Glue DataBrew — это бессерверный сервис подготовки данных без кода, который позволяет пользователям визуально очищать и нормализовать данные с помощью более 250 встроенных преобразований. Он поддерживает профилирование данных и отслеживание происхождения данных, что соответствует требованиям задачи. Шаги преобразования сохраняются в виде рецептов DataBrew, которыми можно делиться и повторно использовать в организации. Настройка визуального холста AWS Glue Studio также является решением без кода, но DataBrew специально разработан для визуальной подготовки данных и предлагает более широкий набор встроенных преобразований и функций профилирования. Amazon EMR Serverless требует написания кода или использования существующих фреймворков, что не соответствует требованию "без кода". Amazon Athena используется для запросов к данным, а не для их преобразования, и требует написания SQL-запросов, что также не является решением без кода.