一个网络爬取进程在一组 t2.micro EC2 实例上运行。实例轮询一个包含目标 URL 的 SQS 队列，在 10 秒或更短的时间内爬取每个 URL，并将结果写入挂载在每个实例上的共享 Amazon EFS 文件系统。URL 不经常添加到队列中，指标显示当队列为空时，实例处于空闲状态。您必须重新设计以优化成本。以下哪两项更改组合起来最具成本效益？

将网络爬取进程重构为 AWS Lambda 函数，并配置该函数以从 SQS 队列中拉取消息，可以显著降低成本，因为Lambda是无服务器的，只在执行时计费，非常适合处理不频繁且持续时间短的任务，避免了EC2实例空闲时的付费。将结果存储在Amazon S3中是成本效益最高的选择，因为S3提供了极低的对象存储成本、高可用性和可扩展性，非常适合存储非结构化的爬取结果。 将t2.micro实例替换为m5.8xlarge实例并减少实例组大小，虽然可能减少实例数量，但m5.8xlarge实例的成本远高于t2.micro，且仍存在空闲付费问题，不具成本效益。将结果存储在Amazon Neptune或Aurora Serverless MySQL中，虽然可行，但这些服务通常比S3更昂贵，且可能需要额外的管理开销，不符合成本优化的目标。