Ein Unternehmen verwendet ein Amazon QuickSight-Dashboard, das von AWS Glue-Jobs gespeist wird, die Daten verarbeiten, die in einem einzigen S3-Bucket gespeichert sind. Täglich werden neue Daten hinzugefügt, und die Dashboard-Abfragen werden langsamer, da die AWS Glue-Jobs länger laufen. Welche Maßnahmen sollte der Dateningenieur ergreifen, um die AWS Glue-Jobs zu beschleunigen? (Wählen Sie zwei.)

Das Partitionieren der Daten im S3-Bucket nach Jahr, Monat und Tag ist eine effektive Methode, um die Leistung von AWS Glue-Jobs zu verbessern. Durch die Partitionierung können die Glue-Jobs gezielt nur die relevanten Daten scannen, anstatt den gesamten Datensatz zu verarbeiten, was die Scanzeit und die Verarbeitungsmenge reduziert. Das Erhöhen der AWS Glue-Instanzgröße (Worker-Typ) skaliert die Rechenressourcen, die für den Job verfügbar sind. Mehr Rechenleistung und Speicher ermöglichen es dem Job, Daten schneller zu verarbeiten und komplexe Transformationen effizienter durchzuführen. Das Konvertieren des Schemas in DynamicFrame ist keine direkte Leistungsverbesserung für die Job-Ausführungszeit, sondern eine Methode zur flexiblen Datenverarbeitung. Das Anpassen der Job-Häufigkeit löst nicht das Problem der langsamen Ausführung, sondern verschiebt es nur. Das Ändern der IAM-Rolle hat keinen direkten Einfluss auf die Job-Leistung, solange die vorhandene Rolle bereits die notwendigen S3-Zugriffsrechte besitzt.