Um engenheiro de dados executa consultas do Amazon Athena em dados no Amazon S3 e usa o AWS Glue Data Catalog para metadados. O planejamento da consulta é lento porque o conjunto de dados do S3 tem um número muito grande de partições. Quais ações reduzirão o tempo de planejamento do Athena e resolverão o gargalo? (Escolha duas.)

A criação de um índice de partição do AWS Glue com filtragem de partição habilitada otimiza o planejamento da consulta do Athena, pois o Athena pode usar o índice para identificar rapidamente as partições relevantes, em vez de listar todas as partições no S3. Isso reduz significativamente o tempo de planejamento para conjuntos de dados com muitas partições. A projeção de partição do Athena permite que o Athena infira automaticamente as partições com base em padrões definidos, eliminando a necessidade de o Athena consultar o AWS Glue Data Catalog para obter metadados de partição. Isso acelera o planejamento da consulta, especialmente quando o número de partições é grande e segue um padrão previsível. Agrupar dados ou transformar para Parquet melhora o desempenho da execução da consulta, mas não o planejamento. O S3DistCP combina objetos, o que pode ajudar na execução, mas não aborda diretamente o gargalo do planejamento de consulta relacionado a um grande número de partições.