Un'azienda centralizza i log di flusso VPC da molti account in un singolo bucket S3. I log sono archiviati come file di testo compressi con gzip e devono essere conservati indefinitamente. Gli analisti eseguono query Athena ad hoc su questi log, ma le prestazioni delle query stanno peggiorando man mano che il volume dei log aumenta. È necessario migliorare le prestazioni delle query e ridurre l'utilizzo dello storage. Quale modifica fornirà il MAGGIORE miglioramento delle prestazioni?

La riconfigurazione dei log di flusso VPC per scrivere in formato Apache Parquet con partizioni orarie offre il maggiore miglioramento. Parquet è un formato di archiviazione colonnare ottimizzato per le query analitiche, che riduce significativamente la quantità di dati scansionati da Athena, migliorando le prestazioni e riducendo i costi. Le partizioni orarie limitano ulteriormente la scansione ai soli dati rilevanti per la query. Le altre opzioni sono meno efficaci: Decomprimere e ricomprimere con bzip2 aumenta il tempo di elaborazione e non risolve il problema delle scansioni complete dei dati. S3 Transfer Acceleration è per i caricamenti, non per le query, e S3 Intelligent-Tiering ottimizza i costi di archiviazione, non le prestazioni delle query. Un nuovo workgroup Athena o il motore v2 non risolvono il problema fondamentale dell'inefficienza del formato dei dati e dell'organizzazione.