Un détaillant utilise Amazon Aurora PostgreSQL pour les transactions en direct et Amazon Redshift comme entrepôt de données. Un processus ETL quotidien met à jour Redshift à partir de PostgreSQL. Pour réduire les coûts de Redshift, l'ingénieur doit conserver uniquement les données des 15 derniers mois dans Redshift, archiver les données historiques et toujours exécuter des analyses qui combinent les données PostgreSQL en direct, les données Redshift actuelles et les données historiques archivées. Quelles étapes satisferont ces exigences ? (Choisissez deux.)

La fonctionnalité Amazon Redshift Federated Query permet d'interroger directement les données d'Amazon Aurora PostgreSQL depuis Redshift, répondant ainsi au besoin d'analyses combinant des données en direct. Pour les données historiques, la planification d'une tâche mensuelle pour UNLOAD les données de plus de 15 mois vers Amazon S3 et la suppression de ces données de Redshift permet de réduire les coûts de Redshift en ne conservant que les données récentes. Ensuite, la configuration d'Amazon Redshift Spectrum pour accéder aux données historiques dans S3 permet d'interroger ces données archivées sans les charger dans Redshift. L'option Redshift Spectrum pour interroger PostgreSQL est incorrecte car Spectrum est conçu pour interroger des données dans S3, pas des bases de données relationnelles en direct. L'utilisation de S3 Glacier Flexible Retrieval est moins adaptée pour des requêtes analytiques fréquentes que S3 standard, car les temps de récupération sont plus longs. Une vue matérialisée ne résout pas la problématique de l'archivage et de la réduction des coûts de stockage dans Redshift pour les données historiques.