Un rivenditore utilizza Amazon Aurora PostgreSQL per le transazioni in tempo reale e Amazon Redshift come data warehouse. Un processo ETL giornaliero aggiorna Redshift da PostgreSQL. Per ridurre i costi di Redshift, l'ingegnere deve mantenere in Redshift solo i dati più recenti degli ultimi 15 mesi, archiviare i dati storici ed eseguire comunque analisi che combinano i dati PostgreSQL in tempo reale, i dati Redshift correnti e i dati storici archiviati. Quali passaggi soddisferanno questi requisiti? (Scegli due.)

La funzionalità Amazon Redshift Federated Query consente di interrogare direttamente i dati in Amazon Aurora PostgreSQL da Redshift, soddisfacendo il requisito di combinare dati in tempo reale con dati correnti e storici senza spostare i dati PostgreSQL. Pianificare un job mensile per scaricare (UNLOAD) i dati più vecchi di 15 mesi su Amazon S3 e poi eliminarli da Redshift, configurando Redshift Spectrum per accedere a questi dati storici in S3, permette di ridurre i costi di Redshift mantenendo solo i dati recenti e consentendo comunque l'analisi dei dati storici. Redshift Spectrum non può interrogare direttamente i dati transazionali in tempo reale in PostgreSQL. S3 Glacier Flexible Retrieval è troppo costoso per l'accesso frequente richiesto per l'analisi combinata. Una vista materializzata in Redshift non risolverebbe il problema dei costi né l'accesso ai dati in tempo reale da PostgreSQL.