Una POC di una compagnia aerea archivia le metriche CSV giornaliere in S3, partizionate per data, e le interroga con Amazon Athena. Man mano che i dati aumentano, l'azienda vuole ottimizzare lo storage per migliorare le prestazioni delle query. Quali due azioni dovrebbe intraprendere? (Scegliere due.)

Per ottimizzare le prestazioni delle query Athena, è fondamentale che il bucket S3 si trovi nella stessa Regione AWS in cui vengono eseguite le query. Questo riduce la latenza e i costi di trasferimento dati tra regioni. Inoltre, pre-elaborare i dati CSV in formato Apache Parquet è altamente efficace. Parquet è un formato di archiviazione colonnare ottimizzato per l'analisi, che consente ad Athena di leggere solo le colonne e i blocchi di dati necessari per una query specifica, riducendo significativamente la quantità di dati scansionati e migliorando le prestazioni. Aggiungere una stringa randomizzata alle chiavi S3 non migliora le prestazioni di Athena per questo scenario. Pre-elaborare i dati in JSON non offre gli stessi vantaggi prestazionali del formato Parquet per l'analisi colonnare.