Un rivenditore online archivia i log di accesso di ALB in S3 e li interroga con Amazon Athena. L'ingegnere ha creato una tabella Athena non partizionata e i tempi di risposta delle query sono aumentati con l'aumento del volume dei dati. Quale approccio migliorerà le prestazioni delle query di Athena con il minor sforzo operativo?

La risposta corretta è creare un crawler AWS Glue che utilizza un classificatore per determinare lo schema e scrive i metadati della partizione. I log di accesso di ALB sono già in un formato noto ad AWS Glue (JSON o testo delimitato), quindi un classificatore integrato può inferire lo schema e le partizioni (basate su data/ora) con il minimo sforzo. La partizione dei dati è fondamentale per migliorare le prestazioni delle query di Athena, poiché riduce la quantità di dati scansionati. Le altre opzioni sono meno efficienti: Creare un processo AWS Glue che inferisce lo schema per tutti i log di accesso di ALB e scrive i metadati della partizione nell'AWS Glue Data Catalog: Un processo Glue è più complesso da configurare e gestire rispetto a un crawler per questo caso d'uso. Creare una funzione AWS Lambda per trasformare tutti i log di accesso di ALB in Apache Parquet, salvare i risultati in S3, aggiungere partizioni e interrogare i dati trasformati con Athena: Questa opzione comporta uno sforzo operativo maggiore per la trasformazione e la gestione della funzione Lambda. Sebbene Parquet sia efficiente, la partizione è il primo passo cruciale e più semplice. Utilizzare Apache Hive per creare tabelle bucketed e una funzione AWS Lambda per trasformare tutti i log di accesso di ALB: Hive introduce una complessità aggiuntiva e non è la soluzione nativa e più semplice per questo scenario in AWS.