一家擁有超過 5,000 萬活躍客戶的線上零售公司，將購買資料儲存在 Amazon S3 中，並將額外的客戶資料儲存在 Amazon RDS 中。該公司希望讓所有資料都能用於各種團隊的分析，並具備精細的存取控制和最少的操作負擔。哪種解決方案符合這些要求？

正確答案是使用 AWS Lake Formation 建立資料湖，並整合 S3 和 RDS 資料，然後利用 Lake Formation 的精細存取控制。Lake Formation 專為建立安全且可擴展的資料湖而設計，能統一管理 S3 和透過 Glue JDBC 連線的 RDS 資料，並提供精細的權限控制，滿足多團隊分析需求且操作負擔低。 將購買資料直接遷移到 Amazon RDS 不適合處理 S3 中的大量非結構化或半結構化資料，且 RDS 不具備資料湖的彈性。排程 Lambda 函數將資料從 RDS 複製到 S3，再使用 Athena 查詢，雖然可行，但 S3 政策的存取控制不如 Lake Formation 精細，且需要額外的 ETL 管理。建立 Amazon Redshift 叢集並定期複製資料，雖然能用於分析，但 Redshift 主要用於資料倉儲，成本較高，且資料同步和管理會增加操作負擔，不如 Lake Formation 專為資料湖設計的整合性與存取控制能力。