Bir çözümler mimarı, büyük miktarda yarı yapılandırılmış veriyi bir Amazon S3 bucket'ında depolayan bir analiz uygulamasını yönetmektedir. Mimar, işlemeyi hızlandırmak için paralel veri işleme ve Amazon Redshift veritabanında depolanan bilgileri kullanarak veriyi zenginleştirmek istemektedir. Bu gereksinimleri karşılayan çözüm hangisidir?

Doğru cevap, yarı yapılandırılmış verilerin paralel işlenmesi ve Amazon Redshift'ten zenginleştirme için Amazon EMR'yi kullanmaktır. Amazon EMR, büyük veri işleme için tasarlanmış yönetilen bir hizmettir ve Apache Spark, Apache Hive gibi çerçeveleri kullanarak S3'teki yarı yapılandırılmış verileri verimli bir şekilde paralel olarak işleyebilir. Ayrıca, EMR kümeleri Redshift ile doğrudan entegre olabilir, bu da zenginleştirme için Redshift'teki verileri kolayca kullanmasını sağlar. Diğer seçenekler neden yanlış: Amazon Athena, S3'teki verileri doğrudan sorgulamak için harikadır ancak büyük ölçekli, karmaşık paralel işleme ve zenginleştirme senaryoları için EMR kadar güçlü değildir. AWS Glue ise ETL (Ayıklama, Dönüştürme, Yükleme) işlemleri için uygun olsa da, EMR'nin sunduğu paralel işleme yeteneklerine ve Redshift ile doğrudan entegrasyonuna sahip değildir. Amazon Kinesis Data Streams, gerçek zamanlı veri akışı için tasarlanmıştır, S3'ten Redshift'e toplu veri taşıma için uygun değildir ve paralel işleme gereksinimini karşılamaz. AWS Lake Formation, veri gölü oluşturma ve yönetimi için bir hizmettir, ancak doğrudan veri işleme veya zenginleştirme yetenekleri sunmaz.