A. Lambda 함수가 DB 인스턴스가 사용하는 서브넷과 동일한 서브넷에서 실행되도록 구성합니다.

B. DB 인스턴스에 대한 공개 액세스 설정을 활성화합니다.

C. 데이터베이스 인스턴스의 보안 그룹을 업데이트하여 데이터베이스 포트에서 Lambda 함수 호출만 허용하도록 합니다.

D. 개인 서브넷의 네트워크 ACL을 업데이트하여 데이터베이스 포트를 통한 접근을 허용하는 자체 참조 규칙을 포함시키십시오.

E. Lambda 함수와 DB 인스턴스에 동일한 보안 그룹을 연결합니다. 데이터베이스 포트를 통해 액세스를 허용하는 자체 참조 규칙을 포함합니다.

A. 프로비저닝된 Amazon EMR 클러스터를 사용하여 모든 데이터 파일을 하나의 폴더로 복사합니다. COPY 명령을 사용하여 데이터를 Amazon Redshift에 로드합니다.

B. 모든 데이터 파일을 병렬로 Amazon Aurora에 로드합니다. AWS Glue 작업을 실행하여 데이터를 Amazon Redshift에 로드합니다.

C. AWS Give 작업을 사용하여 모든 데이터 파일을 하나의 폴더로 복사합니다. COPY 명령을 사용하여 데이터를 Amazon Redshift에 로드합니다.

D. 데이터 파일 위치가 포함된 매니페스트 파일을 생성합니다. COPY 명령을 사용하여 데이터를 Amazon Redshift에 로드합니다.

A. SQS 큐에서 이벤트를 소비하는 S3 이벤트 기반 AWS Glue 크롤러를 생성합니다.

B. AWS Glue 크롤러를 실행하고 데이터 카탈로그를 점진적으로 업데이트하는 시간 기반 일정을 정의합니다.

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

D. S3 버킷에 변경 사항이 있을 때 AWS Glue 크롤러를 수동으로 시작하여 데이터 카탈로그를 업데이트합니다.

E. AWS Step Functions를 사용하여 SQS 큐가 수신하는 S3 이벤트를 기반으로 데이터 카탈로그를 업데이트하는 프로세스를 오케스트레이션합니다.

A. CSV 데이터를 JSON 형식으로 변환하는 Apache Spark 스크립트를 작성하세요. 매일 스크립트를 실행하는 AWS Glue 작업을 생성하세요. AWS Glue에 JSON 데이터를 카탈로그화하세요. JSON 데이터에 대해 Athena 쿼리를 실행하세요.

B. S3 버킷의 데이터를 접두사를 사용하여 분할합니다. SALE_DATE 열을 사용하여 각 날짜별로 파티션을 생성합니다. AWS Glue에서 데이터를 카탈로그화하고 파티션이 추가되었는지 확인합니다.
새로운 파티션을 사용하도록 Athena 쿼리를 업데이트하세요.

C. Amazon EMR 클러스터를 시작합니다. 기본 Apache Hive 메타스토어로 AWS Glue Data Catalog를 지정합니다. Trino에서 Presto를 사용하여 데이터에 대한 쿼리를 실행합니다.

D. Amazon RDS 데이터베이스를 생성합니다. CSV 파일의 스키마와 일치하는 SALES라는 이름의 테이블을 생성합니다. SALE_DATE 열에 인덱스를 생성합니다. CSV 데이터를 RDS 데이터베이스에 로드하는 AWS Lambda 함수를 생성합니다. S3 이벤트 알림을 사용하여 Lambda 함수를 호출합니다.

A. 중괄호 표기법을 사용하여 객체 내 경로를 탐색합니다.
<열>{'<레벨1_요소>'}{'<레벨2_요소>'}.

B. JSON 객체에서 경로를 탐색하려면 세미콜론 표기법을 사용합니다.
<열>:<레벨1_요소>;<레벨2_요소>;<레벨3_요소>.

C. 객체의 경로를 탐색할 때 대괄호 표기법을 사용합니다.
<col-umn>['<level1_element>']['<level2_element>'].

D. JSON 객체에서 경로를 탐색하려면 점 표기법을 사용하세요.
<열>:<레벨1 요소>.<레벨2 요소>.<레벨3 요소>.