一家公司通过 Amazon Kinesis Data Firehose 将 AWS WAF 日志发送到 Amazon S3。Amazon Athena 查询每天运行一次，以检索前 24 小时的 WAF 日志。尽管每日日志量稳定，但查询运行时间却随着时间的推移而逐渐增加。您需要防止查询运行时间继续增加，同时最大限度地降低运营开销。哪种解决方案符合这些要求？

正确答案通过对数据进行分区来优化 Athena 查询性能。Kinesis Data Firehose 可以配置为按日期和时间将数据写入 S3，这样 Athena 在查询时只需扫描相关分区，而不是整个数据集。这显著减少了扫描的数据量，从而缩短了查询运行时间。同时，修改 Athena 表定义以识别这些分区，并调整查询以利用分区剪枝，可以确保查询效率。此方法操作开销低，因为 Firehose 和 Athena 本身支持分区功能。 其他选项的不足之处： 创建 Lambda 函数整合日志会增加额外的操作复杂性和成本，并且可能无法有效解决查询扫描整个数据集的问题。 将日志发送到不同的 S3 存储桶并不能直接减少 Athena 扫描的数据量，因为 Athena 仍然需要处理所有相关存储桶中的数据。 为 Amazon Redshift 创建外部表并配置 Redshift Spectrum 引入了 Redshift 集群的成本和管理开销，这超出了“最大限度地降低运营开销”的要求。