Birden çok kaynaktan gelen pazarlama verileri bir Amazon S3 bucket'ına yüklenir. Veri hazırlama işlerinin düzenli aralıklarla paralel olarak çalışması ve daha sonra belirli bir sırayla çalışması gereken birkaç işin olması gerekmektedir. Şirket, iş hatası yönetimi, yeniden denemeler ve durum yönetimi için operasyonel yükü ortadan kaldırmak istemektedir. Bu gereksinimleri hangi çözüm karşılar?

Doğru cevap, veri hazırlama işlerini düzenli aralıklarla paralel ve sıralı olarak çalıştırma, hata yönetimi, yeniden denemeler ve durum yönetimi için operasyonel yükü ortadan kaldırma gereksinimlerini karşılayan AWS Glue DataBrew ve AWS Step Functions'ı kullanmaktır. DataBrew, kod yazmadan verileri temizlemek ve normalleştirmek için görsel bir arayüz sağlar. Step Functions, iş akışlarını tanımlamak, paralel adımları yönetmek, hata işleme ve yeniden deneme mantığı uygulamak için sunucusuz bir orkestrasyon hizmetidir. Diğer seçenekler bu gereksinimleri tam olarak karşılamaz: AWS Lambda işlevleri, karmaşık iş akışlarını, paralelliği ve sıralamayı yönetmek için ek kodlama ve orkestrasyon gerektirir, bu da operasyonel yükü artırır. Amazon Athena, bir sorgu hizmetidir, veri hazırlama veya iş akışı orkestrasyonu için tasarlanmamıştır. AWS Data Pipeline, daha eski bir hizmettir ve Step Functions'ın sunduğu gelişmiş iş akışı orkestrasyonu, hata yönetimi ve yeniden deneme yeteneklerine sahip değildir. Ayrıca, "gece yarısı bir kez" ifadesi, "düzenli aralıklarla" ve "paralel" çalışma gereksinimini karşılamaz.