某公司將訓練資料以巢狀 JSON 檔案的形式儲存在 S3 中，並且需要表格格式來進行 XGBoost 訓練。哪種方法在將這些 JSON 檔案轉換為表格資料時，操作開銷最少？

正確答案是「建立一個使用 Relationalize 轉換的 AWS Glue PySpark 任務來轉換檔案」。AWS Glue 的 Relationalize 轉換專為處理巢狀 JSON 或其他半結構化資料而設計，能自動將其轉換為扁平的表格格式，非常適合用於機器學習訓練，且操作開銷最低。 其他選項： 編寫自訂 Scala 程式碼並使用 Amazon EMR Serverless 雖然可行，但需要手動編寫和維護程式碼，增加了開發和維護成本，不如 Glue 的內建轉換高效。 使用 AWS Lambda 函數處理大型檔案效率不高，因為 Lambda 有執行時間和記憶體限制，不適合處理大量資料轉換。 在 JSON 檔案上建立 Amazon Athena 資料庫並使用 flatten 函數雖然可以轉換資料，但 Athena 主要是用於查詢，而不是大規模的 ETL 轉換，且 flatten 函數可能需要多次操作才能完全扁平化複雜的巢狀結構，效率不如 Glue Relationalize。