Ein Dateningenieur führt Amazon Athena-Abfragen für Daten in Amazon S3 aus und verwendet den AWS Glue Data Catalog für Metadaten. Die Abfrageplanung ist langsam, da der S3-Datensatz eine sehr große Anzahl von Partitionen aufweist. Welche Maßnahmen reduzieren die Athena-Planungszeit und beheben den Engpass? (Wählen Sie zwei.)

Die Erstellung eines AWS Glue-Partitionsindex und die Aktivierung der Partitionsfilterung beschleunigen die Abfrageplanung erheblich, indem sie Athena ermöglichen, relevante Partitionen effizienter zu finden, anstatt alle Partitionen zu scannen. Dies ist besonders vorteilhaft bei einer sehr großen Anzahl von Partitionen. Die Verwendung der Athena-Partitions-Projektion basierend auf dem S3-Bucket-Präfix reduziert ebenfalls die Planungszeit, da Athena die Partitionen nicht im Glue Data Catalog nachschlagen muss, sondern sie direkt aus dem S3-Pfad ableitet. Das Zusammenfassen von Daten basierend auf einer Spalte in einer WHERE-Klausel verbessert die Abfrageleistung, aber nicht die Planungszeit. Die Transformation der Daten in das Apache Parquet-Format verbessert die Abfrageausführungszeit und reduziert die gescannten Datenmengen, hat aber keinen direkten Einfluss auf die Planungszeit bei einer hohen Partitionsanzahl. Die Verwendung von S3DistCP zum Zusammenfassen kleinerer Objekte verbessert die Leseleistung, aber nicht die Planung bei vielen Partitionen.