Ein Einzelhandelsunternehmen lädt täglich CSV-Dateien mit Einzelhandelsbestellungen in einen einzigen S3-Pfad und verwendet Amazon Redshift Spectrum, um Untergruppen der über 100 Spalten umfassenden Daten abzufragen. Die Drittanbieterquelle erzeugt täglich über 30 CSV-Dateien (jeweils 50–70 MB). Benutzer aggregieren tägliche Metriken, aber die Abfrageleistung hat sich verschlechtert. Welche Kombination von Maßnahmen löst die Leistungsprobleme mit dem geringsten Entwicklungsaufwand? (Wählen Sie zwei.)

Die Konfiguration der Drittanbieteranwendung zur Erzeugung von Dateien in einem spaltenbasierten Format (z. B. Parquet oder ORC) ist vorteilhaft, da Redshift Spectrum nur die benötigten Spalten lesen muss, was die Datenmenge reduziert und die Abfrageleistung verbessert. Die Partitionierung der Bestelldaten im S3-Bucket nach Bestelldatum ermöglicht es Redshift Spectrum, nur die relevanten Partitionen zu scannen, anstatt den gesamten Datensatz, was die Abfragezeit erheblich verkürzt, insbesondere bei Abfragen, die auf bestimmte Zeiträume abzielen. Das Zusammenfassen mehrerer CSV-Dateien pro Tag in eine einzige Datei würde zwar die Anzahl der Dateien reduzieren, aber nicht die grundlegenden Leistungsprobleme von zeilenbasierten Formaten oder fehlender Partitionierung beheben. Die Erzeugung von Dateien im JSON-Format würde die Leistung nicht verbessern, da JSON ebenfalls ein zeilenbasiertes Format ist und Redshift Spectrum für die Abfrage von JSON-Daten möglicherweise mehr Rechenressourcen benötigt. Das Laden von JSON-Daten in eine SUPER-Spalte in Redshift ist für die Analyse von halbstrukturierten Daten gedacht, löst aber nicht die Leistungsprobleme von Redshift Spectrum bei externen, zeilenbasierten Dateien.