Una empresa centraliza los registros de flujo de VPC de muchas cuentas en un solo bucket de S3. Los registros se almacenan como archivos de texto comprimidos con gzip y deben conservarse indefinidamente. Los analistas ejecutan consultas ad hoc de Athena contra estos registros, pero el rendimiento de las consultas se está degradando a medida que crece el volumen de registros. Debe mejorar el rendimiento de las consultas y reducir el uso del almacenamiento. ¿Qué cambio proporcionará la MAYOR mejora de rendimiento?

La reconfiguración de la entrega de registros de flujo de VPC a formato Apache Parquet y la organización por particiones horarias ofrecen la mayor mejora. Parquet es un formato de almacenamiento columnar optimizado para consultas analíticas, lo que reduce la cantidad de datos que Athena necesita escanear. Las particiones horarias permiten a Athena podar los datos, escaneando solo los archivos relevantes para el rango de tiempo de la consulta, lo que mejora drásticamente el rendimiento y reduce los costos. Descomprimir y recomprimir con bzip2 no aborda la ineficiencia del formato de texto. S3 Transfer Acceleration solo mejora la carga, no el rendimiento de las consultas, e Intelligent-Tiering es para costos de almacenamiento, no para rendimiento. Un nuevo grupo de trabajo de Athena no resuelve el problema subyacente de la eficiencia de los datos.