客戶資料每天以壓縮的日期分區檔案形式儲存在 S3 中。分析師每月下載、驗證資料，並將結果上傳到 QuickSight。工程師必須在資料傳送至 QuickSight 之前自動檢查資料品質，並將操作負擔降到最低。哪種解決方案最適合？

此解決方案透過每月執行 AWS Glue crawler 來更新 AWS Glue Data Catalog，確保資料結構是最新的。接著，利用 AWS Glue Data Quality 規則來自動檢查資料品質，這是一個託管服務，能大幅降低操作負擔，並提供預建的資料品質檢查功能。這種方法符合題目中「自動檢查資料品質」和「將操作負擔降到最低」的要求。 選項二雖然使用 AWS Glue crawler 和 Glue job，但需要建立自訂 PySpark 函數來評估資料品質，這會增加開發和維護的複雜度與操作負擔，不符合「將操作負擔降到最低」的要求。 選項三的 Lambda function 雖然可以執行 Python 腳本，但每月手動執行或透過 S3 事件觸發（每天觸發而非每月）都不符合題目的每月檢查需求，且需要自行管理程式碼和執行環境，操作負擔較高。 選項四使用 S3 事件通知和 SQS 佇列，但 Amazon CloudWatch Insights 主要是用於分析日誌和指標，無法直接對 SQS 佇列中的資料內容進行資料品質評估。