あるデータエンジニアリングチームは、毎日AWS GlueのETLジョブでAmazon S3のデータレイクにデータを取り込んでいる。取り込んだデータについて、列のNULL率や値の一意性など複数の品質ルールを定義し、品質基準を満たさない場合は後続処理を止めて担当者に通知したい。最小の運用負荷でこれを実現する方法はどれか。
AWS Glue Data Quality は DQDL(Data Quality Definition Language)で品質ルールを宣言的に定義し、EvaluateDataQuality トランスフォームとして ETL ジョブに直接組み込める。ルール違反時にジョブを失敗させ、EventBridge 経由で通知できるため追加実装が最小で運用負荷が低い。 選択肢Bの AWS Lambda は検証ロジックを自前で実装・保守する必要があり運用負荷が高い。 選択肢Cの Amazon Athena はSQLでのルール記述とジョブ外の管理が必要。 選択肢Dの AWS Glue DataBrew はプロファイル可視化が目的で自動ゲート制御に不向き。