某公司每天都會收到一個約 2 GB 的 .xls 客戶資料檔案，該檔案儲存在 S3 中。一位資料工程師將名字和姓氏欄位串聯起來，需要計算檔案中不同客戶的數量。哪種方法所需的操作工作量最少？

正確答案是使用 AWS Glue DataBrew 建立一個配方，該配方使用 COUNTDISTINCT 聚合函數來計算不同客戶的數量。DataBrew 是一個視覺化的資料準備工具，它提供了預建的轉換功能，包括 COUNTDISTINCT，可以輕鬆地對資料進行清理和轉換，而無需編寫程式碼。對於每天處理 2 GB 的 .xls 檔案這種中等規模的任務，DataBrew 提供了最少的操作工作量。 其他選項雖然也能完成任務，但操作工作量較大： 在 AWS Glue notebook 或 Amazon EMR Serverless 中建立並執行 Apache Spark 任務需要編寫和維護程式碼，這增加了開發和操作的複雜性。 建立 AWS Glue crawler 並使用 Amazon Athena 查詢雖然可行，但需要額外的步驟來定義資料表結構並編寫 SQL 查詢，相較於 DataBrew 的視覺化操作，工作量更多。