一位数据工程师针对 Amazon S3 中的数据运行 Amazon Athena 查询，并使用 AWS Glue Data Catalog 获取元数据。由于 S3 数据集的分区数量非常庞大，查询规划速度很慢。哪些操作可以减少 Athena 规划时间并解决瓶颈？（选择两项）

当 Athena 查询规划速度因 S3 数据集分区数量庞大而变慢时，创建 AWS Glue 分区索引并启用分区筛选是有效的解决方案。分区索引可以显著加速 Athena 发现和筛选相关分区元数据的过程，减少规划时间。 另一个有效方法是基于 S3 存储桶前缀使用 Athena 分区投影。分区投影允许 Athena 根据预定义的模式自动推断分区，而不是扫描 Glue Data Catalog 中的所有分区元数据，这对于具有可预测分区结构的超大规模数据集特别有用，可以大幅缩短规划时间。 将数据分桶通常用于优化查询性能，但主要针对数据扫描和连接操作，对分区规划速度的直接影响较小。将数据转换为 Apache Parquet 格式可以提高查询性能，因为它是一种列式存储格式，但它主要优化数据读取效率，而不是分区规划。使用 S3DistCP 合并小对象可以减少 S3 请求开销，但对 Glue Data Catalog 中分区元数据的处理速度没有直接影响。