Un ingegnere dei dati esegue query Amazon Athena su dati in Amazon S3 e utilizza AWS Glue Data Catalog per i metadati. La pianificazione delle query è lenta perché il dataset S3 ha un numero molto elevato di partizioni. Quali azioni ridurranno il tempo di pianificazione di Athena e risolveranno il collo di bottiglia? (Scegliere due.)

Le opzioni corrette sono "Creare un indice di partizione AWS Glue. Abilitare il filtro delle partizioni" e "Utilizzare la proiezione delle partizioni di Athena basata sul prefisso del bucket S3". La creazione di un indice di partizione AWS Glue e l'abilitazione del filtro delle partizioni riducono il tempo di pianificazione di Athena perché l'indice permette ad Athena di identificare rapidamente le partizioni rilevanti senza doverle elencare tutte. La proiezione delle partizioni di Athena basata sul prefisso del bucket S3 consente ad Athena di dedurre le partizioni in base a un modello predefinito, evitando la necessità di chiamate al catalogo per ogni partizione e velocizzando la pianificazione. Le altre opzioni non risolvono direttamente il problema della pianificazione lenta causata da un numero elevato di partizioni. Raggruppare i dati o trasformarli in Parquet può migliorare le prestazioni delle query, ma non la fase di pianificazione. L'utility S3DistCP combina oggetti, ma non influisce sulla gestione delle partizioni da parte di Athena.