一家游戏公司使用 Amazon Kinesis Data Streams 收集点击流事件，并使用 Kinesis Data Firehose 将 JSON 文件传输到 Amazon S3。数据科学家在 Amazon Athena 中查询最新数据。该公司希望在不重建现有数据管道的情况下降低 Athena 查询成本。哪个选项可以在满足要求的同时最大限度地减少管理工作？

正确选项通过将 Firehose 配置为直接输出 Parquet 格式，并使用日期分区（YYYYMMDD）和更大的缓冲区大小，显著降低了 Athena 查询成本。Parquet 是一种列式存储格式，查询效率高，且文件大小适中，减少了 Athena 扫描的数据量。对于历史数据，使用 AWS Glue ETL 合并小文件为更大的 Parquet 文件，进一步优化了查询性能和成本。这种方法最大限度地减少了管理工作，因为它利用了 Firehose 的内置转换能力和 Glue 的无服务器 ETL 功能，避免了重建整个数据管道。 其他选项的不足： 创建 Spark 作业需要管理 EMR 集群，增加了运维复杂性。 将数据发送到 Kinesis 数据流并使用 Apache Flink 增加了额外的组件和管理开销。 使用 Lambda 进行转换会增加 Lambda 的调用成本和管理复杂性，且可能面临并发限制。