¿Qué servicio puede ejecutar, sin servidor, el proceso de ETL que extrae datos de diversos orígenes de datos, los transforma a una forma apta para el análisis y los carga en otro destino?
Selección de un servicio que realiza ETL sin servidor.
Amazon EMR
Amazon EMR es una plataforma de procesamiento de big data que ejecuta Spark y Hadoop en un clúster.
Puede gestionar procesamiento a gran escala, pero implica configurar y gestionar un clúster, por lo que el requisito de ETL gestionado y sin servidor lo cumple Glue, y esto es incorrecto.
AWS Glue
Correcto. AWS Glue es un servicio gestionado que puede ejecutar la extracción, transformación y carga (ETL) sin servidor. Detecta automáticamente los orígenes de datos, crea un catálogo de datos y ejecuta trabajos de transformación para dar a los datos una forma apta para el análisis. No requiere gestión de servidores.
Amazon Data Firehose
Amazon Data Firehose es un servicio que entrega de forma continua datos de streaming a destinos como S3 mientras los transforma.
Está orientado a la carga de datos que fluyen de forma continua, por lo que el requisito de extracción, transformación y carga (ETL) por lotes desde diversos orígenes lo cumple Glue, y esto es incorrecto.
AWS Lambda
AWS Lambda es un servicio de ejecución de código sin servidor de propósito general y se puede usar para pequeñas transformaciones de datos.
Sin embargo, no tiene mecanismos específicos de ETL como un catálogo de datos, rastreadores o gestión de trabajos y tiene un límite de tiempo de ejecución, por lo que el requisito de ETL gestionado lo cumple Glue, y esto es incorrecto.
'ETL', 'extracción, transformación, carga' y 'sin servidor' apuntan a AWS Glue. Las consultas SQL son Athena, la visualización es QuickSight y el streaming es Kinesis, por lo que las funciones se reparten en la canalización de análisis.