您需要使用 Amazon Athena 查询 Amazon S3 中的数据集。该数据集包含超过 800,000 条 CSV 记录；每条记录有 200 列，大小约为 1.5 MB，但大多数查询只访问 5-10 列。哪种格式转换能最大限度地缩短查询运行时长？

将数据集转换为 Apache Parquet 列式格式能最大限度地缩短查询运行时长。Parquet 是一种列式存储格式，这意味着它按列存储数据，而不是按行存储。当查询只需要访问少量列时，Athena 可以只读取这些特定列的数据，从而显著减少扫描的数据量和查询执行时间。 将数据集转换为 JSON 或 XML 格式通常会导致更大的文件大小和更长的查询时间，因为这些格式是基于行的，并且通常包含更多的元数据开销。使用 GZIP 压缩 CSV 文件虽然可以减少存储空间和传输成本，但查询时仍需扫描所有列，因为它仍然是行式存储格式，无法像 Parquet 那样实现列剪裁（column pruning）。