Un POC de compagnie aérienne stocke des métriques CSV quotidiennes dans S3, partitionnées par date, et les interroge avec Amazon Athena. À mesure que les données augmentent, l'entreprise souhaite optimiser le stockage pour améliorer les performances des requêtes. Quelles sont les deux actions à entreprendre ? (Choisissez-en deux.)

Utiliser un bucket S3 dans la même région AWS qu'Athena réduit la latence et les coûts de transfert de données, améliorant ainsi les performances des requêtes. Prétraiter les données CSV au format Apache Parquet est une optimisation majeure. Parquet est un format de stockage de données en colonnes qui permet à Athena de ne lire que les colonnes nécessaires à une requête, réduisant considérablement la quantité de données scannées et accélérant les requêtes. L'ajout d'une chaîne aléatoire aux clés S3 n'est pas nécessaire pour les performances avec les schémas de partitionnement modernes et peut compliquer la gestion. Convertir en JSON n'offre pas les mêmes avantages de performance que Parquet pour les requêtes analytiques, car JSON est un format ligne par ligne.