一家零售公司将每日零售订单的 CSV 文件加载到单个 S3 路径中，并使用 Amazon Redshift Spectrum 查询包含 100 多列数据的数据子集。第三方源每天生成超过 30 个 CSV 文件（每个文件 50-70 MB）。用户聚合每日指标，但查询性能已下降。以下哪种操作组合能以最少的开发工作量解决性能问题？（选择两项）

将数据存储为列式格式（如Parquet或ORC）可以显著提高Redshift Spectrum的查询性能，因为它只读取查询所需的列，减少了数据扫描量。CSV是行式格式。按订单日期对S3存储桶中的数据进行分区，可以使Redshift Spectrum在查询时只扫描相关日期的数据，而不是整个数据集，从而大幅减少扫描的数据量和查询时间。将多个CSV文件合并为一个文件会创建更大的文件，可能导致Redshift Spectrum在查询时需要读取更多数据，并且无法利用并行处理的优势。JSON格式也是行式格式，不会带来列式存储的性能优势。将JSON数据加载到Redshift的SUPER类型列中是Redshift内部的存储优化，与Redshift Spectrum查询S3上的外部数据性能提升关系不大。