Respuesta correcta
- AUtilizar Amazon S3 como almacén de datos y EMRFS
Explicación
El uso de Amazon S3 como almacén de datos con EMRFS es correcto porque desacopla la computación y el almacenamiento: los clústeres EMR pueden leer y escribir directamente en S3, y el clúster se puede terminar sin pérdida de datos. Esto reduce los costos al permitir clústeres efímeros y eliminar la sobrecarga de replicación de HDFS.
Para profundizar
EMRFS es la implementación del sistema de archivos EMR que permite a los clústeres EMR utilizar S3 como si fuera HDFS. Proporciona una vista consistente (consistent view), que rastrea los metadatos de los objetos de S3 para detectar cambios, y admite características como el cifrado del lado del servidor de S3 y la autorización de EMRFS. Un comportamiento sutil: EMRFS es de consistencia eventual por defecto, pero con la vista consistente habilitada, puede proporcionar consistencia de lectura después de la escritura para nuevos objetos. Además, los costos de almacenamiento de S3 son significativamente más bajos que HDFS en EBS, y se pueden utilizar políticas de ciclo de vida de S3 para mover datos a Glacier. Uso en el mundo real: los equipos de ingeniería de datos ejecutan clústeres EMR efímeros para trabajos por lotes, apuntando la entrada y la salida a S3, y apagan el clúster al finalizar el trabajo, pagando solo por la duración de la computación.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de SAP-C02 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.