某公司將 JSON 和 CSV 資料集儲存在 S3 中，同時也擁有適用於 SQL Server 的 Amazon RDS、預置容量的 DynamoDB 資料表，以及一個 Amazon Redshift 叢集。資料科學家需要使用類似 SQL 的語法查詢所有這些來源，並將營運開銷降到最低。哪種解決方案符合此要求？

正確答案是使用 AWS Glue 爬取資料來源，將中繼資料儲存在 AWS Glue Data Catalog 中，並使用 Amazon Athena 查詢資料。Athena 支援對 S3 中的 JSON 和 CSV 檔案進行 SQL 查詢，並且透過 PartiQL 支援半結構化資料，這符合資料科學家使用類似 SQL 語法查詢所有資料來源的需求。Athena 是無伺服器服務，營運開銷最低。 選項二的 Redshift Spectrum 雖然也能查詢 S3 資料，但它需要一個 Redshift 叢集，增加了營運成本，且不如 Athena 靈活。選項三將 JSON 轉換為 Parquet 或 CSV 雖然是好的實踐，但增加了額外的轉換步驟和儲存成本，且未完全解決直接查詢原始 JSON 的需求。選項四的 Lake Formation 主要用於資料湖的安全和治理，轉換資料為 Parquet 格式雖然能優化查詢，但同樣增加了複雜性和成本，且不直接回應直接查詢所有來源的需求。