A. PostgreSQL 데이터베이스에 있는 라이브 트랜잭션 데이터를 쿼리하기 위해 Amazon Redshift Federated Query 기능을 구성합니다.

B. PostgreSQL 데이터베이스에 있는 라이브 거래 데이터를 쿼리하도록 Amazon Redshift Spectrum을 구성합니다.

C. UNLOAD 명령을 사용하여 15개월 이상 된 데이터를 Amazon S3에 복사하는 월별 작업을 예약합니다. Redshift 클러스터에서 오래된 데이터를 삭제합니다. Amazon Redshift Spectrum을 구성하여 Amazon S3의 과거 데이터에 액세스합니다.

D. UNLOAD 명령을 사용하여 15개월 이상 된 데이터를 Amazon S3 Glacier Flexible Retrieval로 복사하는 월별 작업을 예약합니다. Redshift Duster에서 오래된 데이터를 삭제합니다. Redshift Spectrum을 구성하여 S3 Glacier Flexible Retrieval에서 과거 데이터에 액세스합니다.

E. 다양한 소스의 라이브, 현재, 과거 데이터를 결합하는 Amazon Redshift에 구체화된 뷰를 만듭니다.

A. 1년 후 로그를 삭제하도록 S3 수명 주기 구성을 정의합니다.

B. 1년 후 로그를 삭제하는 AWS Lambda 함수를 생성합니다.

C. Amazon EC2 인스턴스에서 1년 후 로그를 삭제하는 cron 작업을 예약합니다.

D. 1년 후에 로그를 삭제하도록 AWS Step Functions 상태 머신을 구성합니다.

A. Amazon SageMaker Debugger를 사용하여 지표를 캡처합니다. 학습 작업을 모니터링하여 데이터 세트와 학습 작업 간의 연관성을 생성합니다.

B. Amazon SageMaker ML Lineage Tracking을 사용하여 메타데이터를 기록하여 아티팩트, 학습 작업 및 데이터 세트 간의 연관성을 생성합니다.

C. Amazon SageMaker Model Monitor를 사용하여 모델 성능을 추적하여 아티팩트와 교육 작업 간의 연관성을 생성합니다.

D. Amazon SageMaker Experiments를 사용하여 하이퍼파라미터와 메트릭을 추적하여 데이터 세트와 아티팩트 간의 연관성을 생성합니다.

A. 온디맨드 용량을 지원하는 Amazon DynamoDB 테이블을 사용하여 제품 데이터를 저장합니다. 기본 키를 기준으로 제품을 저장하고, 전역 보조 인덱스(GSI)를 사용하여 보조 속성을 저장합니다.

B. Amazon Aurora를 다중 가용 영역(Multi-AZ) 배포와 함께 사용하여 제품 데이터를 저장합니다. 읽기 복제본을 사용하고 기본 및 보조 속성에 대한 인덱스를 생성합니다.

C. 동적 확장이 가능한 Amazon OpenSearch 서버리스 클러스터를 사용하여 제품 데이터를 저장합니다. 기본 및 보조 속성을 기준으로 제품 데이터를 인덱싱합니다.

D. 제품 데이터 저장을 위해 Amazon ElastiCache(Redis OSS)와 Amazon S3를 사용하세요. 유연한 보조 속성 쿼리 실행을 위해 Amazon Athena를 사용하세요.

A. SQS 대기열의 이벤트를 사용하기 위해 S3 이벤트 기반 AWS Glue 크롤러를 생성합니다.

B. AWS Glue 크롤러를 실행하고 데이터 카탈로그에 증분 업데이트를 수행하는 시간 기반 일정을 정의합니다.

C. AWS Lambda 함수를 사용하여 SQS 대기열이 수신하는 S3 이벤트를 기반으로 데이터 카탈로그를 직접 업데이트합니다.

D. S3 버킷에 변경 사항이 있을 때 데이터 카탈로그에 대한 업데이트를 수행하기 위해 AWS Glue 크롤러를 수동으로 시작합니다.

E. AWS Step Functions를 사용하여 SQS 대기열이 수신하는 53개 이벤트를 기반으로 데이터 카탈로그를 업데이트하는 프로세스를 조율합니다.