Bir şirket, çeşitli veritabanlarından toplu veriler ve ağ sensörlerinden ve uygulama API'lerinden canlı akış verileri üretmektedir. Şirketin gelen tüm verileri birleştirmesi ve işlemesi, ardından tek seferlik sorgular için farklı Amazon S3 bucket'larına yerleştirmesi ve daha sonra KPI'lar için bir BI aracına aktarması gerekmektedir. En AZ operasyonel yük ile bu gereksinimleri karşılayacak adımların kombinasyonu hangisidir? (İki tane seçin.)

Doğru cevaplar, operasyonel yükü en aza indirirken gereksinimleri karşılar. AWS Lake Formation blueprint'leri, çeşitli kaynaklardan veri alımını tanımlar ve AWS Glue, verileri Apache Parquet formatında Amazon S3'e yükleyerek bir veri gölü oluşturur. Bu, verilerin depolanması ve işlenmesi için yönetilen bir yaklaşım sunar. Amazon Athena, S3'teki veriler üzerinde sunucusuz, tek seferlik sorgular için idealdir ve operasyonel yükü azaltır. Amazon QuickSight ise KPI'lar için panolar oluşturarak iş zekası ihtiyaçlarını karşılar. Yanlış seçenekler: Amazon Kinesis Data Analytics, gerçek zamanlı akış verilerini analiz etmek için tasarlanmıştır, tek seferlik sorgular için uygun değildir. Özel AWS Lambda işlevleri oluşturmak, yönetilmesi gereken özel kod gerektirdiğinden operasyonel yükü artırır. Verileri birden çok Amazon OpenSearch Service kümesine yüklemek, arama ve log analizi için daha uygundur ve bu senaryodaki genel veri işleme ve BI gereksinimleri için en uygun maliyetli veya operasyonel olarak en verimli çözüm değildir.