FacileChoix unique

Question d'entraînement SAP-C02

Une entreprise souhaite implémenter un data lake sur AWS avec des données provenant de sources multiples. Elle doit stocker les données dans leur format brut et permettre à plusieurs équipes de les interroger à l'aide de différents outils. Quel service doit être utilisé comme couche de stockage centrale ?

Choisissez la meilleure réponse.

Bonne réponse

  • CAmazon S3

Explication

Amazon S3 est le bon choix car il fournit un service de stockage d'objets hautement durable, évolutif et économique qui peut stocker des données dans leur format brut et natif (par exemple, CSV, JSON, Parquet, images). Il prend en charge plusieurs moteurs de requête tels qu'Amazon Athena, Amazon Redshift Spectrum et AWS Glue, permettant à diverses équipes d'interroger les mêmes données à l'aide de différents outils sans déplacement de données.

Pourquoi chaque option est juste ou fausse

A

Fausse

Amazon DynamoDB

DynamoDB est un magasin de documents et de paires clé-valeur accessible via des API, il ne peut donc pas contenir de fichiers bruts au format natif pour des moteurs de requête arbitraires. Il est tentant car DynamoDB s'adapte massivement pour les recherches applicatives à faible latence, et conviendrait à un magasin opérationnel à haut débit plutôt qu'à un data lake.

B

Fausse

Amazon Redshift

Redshift est un entrepôt colonnaire nécessitant des données chargées et modélisées par schéma ; il ne peut pas servir de couche de réception au format brut interrogée par de nombreux outils indépendants. Il est tentant car Redshift excelle dans l'analytique SQL à grande échelle, et conviendrait pour la couche de requêtes organisée située au-dessus d'un data lake.

C

Juste

Amazon S3

Amazon S3 fournit un stockage d'objets durable, basé sur le schéma à la lecture (schema-on-read), qui conserve les données dans leur format brut natif, satisfaisant ainsi l'exigence de préserver la fidélité de la source. Son découplage du calcul permet à Athena, Redshift Spectrum et EMR d'interroger les mêmes objets de manière indépendante, ce qu'aucun moteur analytique à usage unique ne permet.

D

Fausse

Amazon RDS

Amazon RDS est un moteur relationnel géré pour les charges de travail transactionnelles, et non un référentiel pour les fichiers bruts et multi-formats interrogés par divers outils analytiques. Il est tentant car RDS gère bien les données OLTP structurées et conviendrait à un scénario nécessitant une base de données PostgreSQL ou MySQL gérée plutôt qu'à une couche de stockage de data lake.

Pour aller plus loin

Amazon S3 offre un stockage d'objets durable et pratiquement illimité où les données arrivent dans leur format d'origine. Comme il est dissocié de tout moteur de calcul, Athena, Redshift Spectrum, EMR, Glue et QuickSight peuvent tous interroger les mêmes objets via des moteurs séparés. Cette séparation du stockage et du calcul permet à plusieurs équipes d'utiliser différents outils sans copier ni transformer d'abord les données. Une subtilité utile à connaître : la cohérence de S3 est désormais fortement cohérente en lecture après écriture pour les nouveaux ajouts et écrasements, et le partitionnement de vos préfixes (par exemple par date) réduit considérablement les octets analysés par les moteurs d'élagage de partitions, réduisant directement le coût des requêtes. Dans un lakehouse réaliste, les fichiers JSON et Parquet bruts résident dans S3 sous un préfixe organisé, avec un catalogue de données Glue définissant les schémas afin que chaque outil d'analyse découvre les mêmes tables.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement SAP-C02 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.