Q36 — AWS SAA-C03 第12章

第 36/100 题 | ← 返回第12章

Q836.一家公司拥有一个 Amazon S3 数据湖.该公司需要一个解决方案来每天转换数据湖中的数据并将数据加载到数据仓库中.数据仓库必须具有大规模并行处理（MPP）能力.然后，数据分析师需要通过对数据使用 SQL 命令来创建和训练机器学习 (ML) 模型.该解决方案必须尽可能使用无服务器 AWS 服务.哪种解决方案可以满足这些要求?

正确答案: C. 运行每日 AWS Glue 作业来转换数据并将数据加载到 Amazon Redshift Serverless 中.使用 Amazon Redshift ML 创建和训练 ML 模型.

解析

对于我之前的回复中的混乱表示歉意.让我们重新评估选项以确定正确的解决方案.为了满足从 Amazon S3 数据湖转换数据、将其加载到具有大规模并行处理 (MPP) 功能的数据仓库以及在利用无服务器 AWS 的同时使用 SQL 命令对数据进行机器学习 (ML) 模型创建和训练的要求尽可能提供服务，推荐的解决方案是:C. 运行每日 AWS Glue 作业来转换数据并将数据加载到 Amazon Redshift Serverless 中.使用 Amazon Redshift ML 创建和训练 ML 模型.原因如下:选项 C 建议每天运行 AWS Glue 作业来转换数据并将其加载到 Amazon Redshift Serverless 中. AWS Glue 是一项完全托管的 ETL 服务，可以处理存储在 S3 中的数据.通过使用 Glue 转换数据并将其加载到 Redshift Serverless 中，您可以从 Redshift 的大规模并行处理功能中受益，同时无需管理基础设施.Amazon Redshift Serverless 是 Amazon Redshift 的无服务器变体，它提供可扩展的按需数据仓库，无需预置或管理基础设施.它允许您根据工作负载自动扩展，并且您只需为运行的查询付费.要使用 SQL 命令对数据创建和训练 ML 模型，您可以使用 Amazon Redshift ML. Amazon Redshift ML 是 Redshift 的扩展，它简化了使用 SQL 语句创建 ML 模型的过程.它允许您使用 SQL 命令直接在 Redshift 中构建、训练和部署 ML 模型.该解决方案利用无服务器 AWS 服务，包括 AWS Glue、Amazon Redshift Serverless 和 S3 进行数据存储.它无需管理基础设施，提供 MPP 功能，并允许使用 SQL 命令创建 ML 模型和进行训练.选项 A、B 和 D 并不是满足以无服务器 AWS 服务为重点的要求的最佳解决方案.选项 A 建议使用 Amazon EMR 转换数据并将其加载到 Amazon Redshift 中.虽然 Redshift 提供了 MPP 功能，但此解决方案涉及使用 EMR 管理基础设施，这违背了尽可能利用无服务器服务的要求.选项 B 建议使用 Amazon EMR 转换数据并将其加载到 Amazon Aurora Serverless 中.但是，Aurora Serverless 可能无法提供与 Amazon Redshift 相同级别的 MPP 功能，并且该解决方案仍然涉及使用 EMR 管理基础设施.选项 D 建议每天运行一次 AWS Glue 作业来转换数据并将其加载到 Amazon Athena 表中.虽然 Athena 是一种无服务器查询服务，但它不具备与 Amazon Redshift 相同的 MPP 功能.因此，对于需要 MPP 功能的数据仓库来说，它可能不是最佳选择.因此，建议的解决方案是每天运行一次 AWS Glue 作业来转换数据并将其加载到 Amazon Redshift Serverless 中.然后，利用 Amazon Redshift ML 使用 SQL 命令创建和训练 ML 模型，确保采用无服务器方法，同时满足指定的要求.