Un ingeniero de datos ejecuta consultas de Amazon Athena sobre datos en Amazon S3 y utiliza el Catálogo de datos de AWS Glue para los metadatos. La planificación de consultas es lenta porque el conjunto de datos de S3 tiene un número muy grande de particiones. ¿Qué acciones reducirán el tiempo de planificación de Athena y resolverán el cuello de botella? (Elija dos)

La creación de un índice de partición de AWS Glue y la habilitación del filtrado de particiones permiten a Athena recuperar rápidamente los metadatos de las particiones relevantes, reduciendo significativamente el tiempo de planificación para conjuntos de datos con un gran número de particiones. La proyección de particiones de Athena permite a Athena inferir la estructura de las particiones sin consultar el Catálogo de datos de AWS Glue, lo que acelera la planificación de consultas, especialmente cuando las particiones siguen un patrón predecible basado en el prefijo de S3. Agrupar los datos (bucketing) puede mejorar el rendimiento de las consultas, pero no aborda directamente el tiempo de planificación de las consultas causado por un gran número de particiones. Transformar los datos a Apache Parquet optimiza el almacenamiento y la lectura de datos, pero no resuelve el cuello de botella de la planificación de particiones. S3DistCP combina objetos pequeños, lo que es útil para el rendimiento general de S3, pero no impacta directamente en el tiempo de planificación de Athena relacionado con las particiones.