Un'azienda di vendita al dettaglio carica quotidianamente file CSV di ordini di vendita in un singolo percorso S3 e utilizza Amazon Redshift Spectrum per interrogare sottoinsiemi di dati con più di 100 colonne. La fonte di terze parti produce oltre 30 file CSV al giorno (ciascuno da 50 a 70 MB). Gli utenti aggregano metriche giornaliere, ma le prestazioni delle query sono peggiorate. Quale combinazione di azioni risolverà i problemi di prestazioni con il minor sforzo di sviluppo? (Scegliere due.)

Configurare l'applicazione di terze parti per produrre i file in un formato colonnare (come Parquet o ORC) migliora significativamente le prestazioni di Redshift Spectrum. I formati colonnari consentono a Redshift Spectrum di leggere solo le colonne necessarie per una query, riducendo la quantità di dati scansionati e migliorando l'efficienza, specialmente con oltre 100 colonne. Partizionare i dati degli ordini nel bucket S3 per data dell'ordine permette a Redshift Spectrum di eliminare partizioni non pertinenti, scansionando solo i dati rilevanti per le query giornaliere, riducendo ulteriormente i costi e i tempi di esecuzione. Sviluppare un job AWS Glue ETL per combinare i file CSV in un singolo file non risolve il problema fondamentale della scansione di dati non necessari in un formato riga. Configurare l'applicazione per produrre JSON o caricare JSON in una colonna SUPER di Redshift non offre i vantaggi prestazionali dei formati colonnari per query analitiche su dati strutturati e potrebbe aumentare la complessità.