FácilOpción múltiple

Pregunta de práctica de SAP-C02

Una empresa desea implementar un lago de datos en AWS con datos de múltiples fuentes. Necesitan almacenar los datos en su formato sin procesar y permitir que múltiples equipos los consulten utilizando diferentes herramientas. ¿Qué servicio debe utilizarse como la capa de almacenamiento central?

Elige la mejor respuesta.

Respuesta correcta

  • CAmazon S3

Explicación

Amazon S3 es la opción correcta porque proporciona un servicio de almacenamiento de objetos altamente durable, escalable y rentable que puede almacenar datos en su formato nativo y sin procesar (por ejemplo, CSV, JSON, Parquet, imágenes). Soporta múltiples motores de consulta como Amazon Athena, Amazon Redshift Spectrum y AWS Glue, permitiendo que diversos equipos consulten los mismos datos usando diferentes herramientas sin mover los datos.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Amazon DynamoDB

DynamoDB es un almacén de documentos y clave-valor al que se accede mediante API, por lo que no puede contener archivos sin procesar en formato nativo para motores de consulta arbitrarios. Es tentador porque DynamoDB escala masivamente para búsquedas de aplicaciones de baja latencia, y sería correcto para un almacén operacional de alto rendimiento en lugar de un lago de datos.

B

Incorrecta

Amazon Redshift

Redshift es un almacén columnar que requiere datos cargados y modelados mediante esquemas; no puede servir como la capa de destino en formato bruto consultada por muchas herramientas independientes. Es tentador porque Redshift destaca en análisis SQL a gran escala, y sería correcto para la capa de consultas curada situada encima de un lago de datos.

C

Correcta

Amazon S3

Amazon S3 ofrece almacenamiento de objetos duradero con esquema en lectura que mantiene los datos en su formato nativo sin procesar, satisfaciendo el requisito de preservar la fidelidad de la fuente. Su desacoplamiento del cómputo permite que Athena, Redshift Spectrum y EMR consulten los mismos objetos de forma independiente, lo cual ningún motor de análisis de propósito único permite.

D

Incorrecta

Amazon RDS

Amazon RDS es un motor relacional administrado para cargas de trabajo transaccionales, no un repositorio para archivos sin procesar y de múltiples formatos consultados por diversas herramientas analíticas. Es tentador porque RDS maneja bien los datos OLTP estructurados, y se ajustaría a un escenario que necesite una base de datos PostgreSQL o MySQL administrada en lugar de una capa de almacenamiento de lago de datos.

Para profundizar

Amazon S3 proporciona almacenamiento de objetos durable y prácticamente ilimitado donde los datos aterrizan en su formato original y, debido a que está desacoplado de cualquier motor de cómputo, Athena, Redshift Spectrum, EMR, Glue y QuickSight pueden consultar los mismos objetos a través de motores separados. Esta separación del almacenamiento y el cómputo es lo que permite que múltiples equipos utilicen diferentes herramientas sin copiar ni transformar los datos primero. Una sutileza que vale la pena conocer: la consistencia de S3 es ahora fuertemente de lectura después de escritura para nuevas escrituras y sobrescrituras, y la partición de sus prefijos (por ejemplo, por fecha) reduce drásticamente los bytes escaneados por los motores de eliminación de particiones (partition-pruning), reduciendo directamente el costo de las consultas. En un lakehouse realista, los archivos JSON y Parquet sin procesar se ubican en S3 bajo un prefijo curado, con un Catálogo de Datos de Glue que define esquemas para que cada herramienta de análisis descubra las mismas tablas.

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.