FácilOpción múltiple

Pregunta de práctica de DEA-C01

Un ingeniero de datos necesita almacenar registros JSON semiestructurados de múltiples microservicios de manera rentable para un análisis posterior utilizando Amazon Athena. Los registros se generan continuamente y el volumen total es de aproximadamente 1 TB por día. Los datos deben poder consultarse a los pocos minutos de su llegada. ¿Qué solución de almacenamiento es la más adecuada?

Elige la mejor respuesta.

Respuesta correcta

  • CBucket de Amazon S3 con carpetas particionadas

Explicación

Amazon S3 con carpetas particionadas es la solución más adecuada porque proporciona una capa de almacenamiento escalable y rentable para registros JSON semiestructurados, y se integra de forma nativa con Amazon Athena para consultas sin servidor. Al particionar los datos por tiempo (por ejemplo, año/mes/día/hora), Athena puede utilizar la eliminación de particiones para minimizar los datos escaneados, permitiendo consultas a los pocos minutos de la llegada. El bajo costo por GB de S3 y las políticas de ciclo de vida optimizan aún más el almacenamiento para el volumen de 1 TB por día.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Tabla de Amazon DynamoDB con atributo JSON

DynamoDB almacena elementos para patrones de acceso basados en claves y no puede ser consultado directamente por Athena sin exportar a S3, agregando latencia y costo. Sería correcto para búsquedas de aplicaciones de baja latencia por clave de partición, no para el almacenamiento rentable de registros JSON diarios de 1 TB analizados a través de Athena.

B

Incorrecta

Tabla de Amazon RDS for PostgreSQL con columna JSON

RDS for PostgreSQL requiere que los registros JSON se inserten en una tabla, y Athena no puede consultar esa tabla directamente; los datos primero tendrían que extraerse a S3. RDS se adapta a cargas de trabajo transaccionales que necesitan integridad relacional, no a almacenamiento masivo económico de registros semiestructurados consultados en el lugar.

C

Correcta

Bucket de Amazon S3 con carpetas particionadas

Amazon S3 almacena JSON a un bajo costo por terabyte y se integra de forma nativa con Athena, que consulta los datos en el lugar. Las carpetas de particionamiento por fecha o servicio descartan los datos escaneados, reduciendo el costo y la latencia de las consultas, por lo que los registros se vuelven consultables a los pocos minutos de la llegada.

D

Incorrecta

Clúster de Amazon Redshift con ingesta JSON

Redshift requiere cargar datos en computación aprovisionada o sin servidor antes de realizar consultas, por lo que los registros JSON que llegan continuamente requerirían operaciones de preparación y COPY, retrasando la disponibilidad más allá de unos minutos. Redshift se adapta a cargas de trabajo analíticas estructuradas con uniones complejas, no al almacenamiento económico de registros semiestructurados sin procesar consultados en el lugar por Athena.

Para profundizar

Athena es un motor de consultas sin servidor que lee directamente desde Amazon S3 utilizando el Catálogo de Datos de AWS Glue, por lo que el almacenamiento y la computación se escalan de forma independiente y usted paga por terabyte escaneado. Particionar el diseño del prefijo de S3, por ejemplo por año/mes/día o nombre de servicio, permite al motor de consultas descartar objetos irrelevantes mediante proyección de particiones, reduciendo drásticamente los bytes escaneados y el costo. Un límite sutil: cada solicitud de S3 devuelve como máximo 1.000 claves, y Athena tiene un tiempo de espera de consulta de 30 minutos, por lo que los archivos muy pequeños perjudican el rendimiento; apunte a objetos de 128 MB o más grandes. En la práctica, un flujo JSON de 1 TB por día llega a S3 a través de Kinesis Data Firehose, se cataloga y se vuelve consultable en minutos, lo que DynamoDB, RDS o Redshift no pueden igualar de manera tan rentable para SQL ad hoc.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de DEA-C01 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.