Ein Airline-POC speichert tägliche CSV-Metriken in S3, partitioniert nach Datum, und fragt diese mit Amazon Athena ab. Da die Datenmenge wächst, möchte das Unternehmen die Speicherung optimieren, um die Abfrageleistung zu verbessern. Welche zwei Maßnahmen sollten ergriffen werden? (Wählen Sie zwei.)

Die Verwendung eines S3-Buckets in derselben AWS-Region wie Athena minimiert die Netzwerklatenz und vermeidet regionsübergreifende Datenübertragungskosten, was die Abfrageleistung verbessert. Die Vorverarbeitung der CSV-Daten in das Apache Parquet-Format ist vorteilhaft, da Parquet ein spaltenorientiertes Format ist, das eine effiziente Komprimierung und prädikatbasiertes Pruning (Predicate Pushdown) ermöglicht. Dies bedeutet, dass Athena nur die benötigten Spalten und Datenblöcke liest, was die Menge der gescannten Daten reduziert und die Abfragegeschwindigkeit erheblich steigert. Das Hinzufügen eines randomisierten Strings zu S3-Schlüsseln ist bei Athena nicht relevant, da es die Leistung nicht verbessert, sondern eher die Lesbarkeit erschwert. Die Verwendung eines S3-Buckets im selben Konto ist eine bewährte Methode für die Zugriffskontrolle, hat aber keinen direkten Einfluss auf die Abfrageleistung. Die Konvertierung in JSON ist für analytische Abfragen weniger effizient als Parquet, da JSON zeilenorientiert ist und kein Pruning auf Spaltenebene bietet.