Bir şirket, bir S3 veri gölündeki veriler üzerinde ML analizi yapmak istiyor. İki dönüşüm ihtiyacı var: (1) belirli bir zamanda gelen 300 GB'lık çeşitli formatlardaki veriler üzerinde günlük olarak planlanmış dönüşümler gerçekleştirmek ve (2) veri gölündeki terabaytlarca arşivlenmiş veri üzerinde tek seferlik bir dönüşüm çalıştırmak. Amazon MWAA DAG'leri iş akışlarını düzenleyecektir. Bu ihtiyaçları en uygun maliyetle karşılamak için DAG'lerin hangi iki görevi planlaması gerekir? (İki tane seçin.)

AWS Glue crawlers, S3 veri gölündeki çeşitli formatlardaki verilerin şemasını otomatik olarak keşfetmek ve AWS Glue Data Catalog'a kaydetmek için en uygun maliyetli ve yönetilen hizmettir. Bu, günlük gelen veriler için şema tanımlama ihtiyacını karşılar. Amazon EMR, terabaytlarca veriyi işlemek için tasarlanmış, ölçeklenebilir ve esnek bir büyük veri işleme çerçevesidir. Hem günlük 300 GB'lık dönüşümler hem de terabaytlarca arşivlenmiş veri üzerinde tek seferlik dönüşümler için Spark, Hive veya Presto gibi araçlarla maliyet etkin bir çözüm sunar. Amazon Athena şema taraması için değil, sorgulama için kullanılır. Amazon Redshift, veri ambarı çözümüdür ve bu senaryoda dönüşümler için EMR kadar esnek veya maliyet etkin değildir. Amazon SageMaker ML modelleri oluşturmak ve eğitmek için kullanılır, genel veri dönüşümleri için uygun değildir.